chanong ADAS 海量干信息现已可用
>>
关于计划和控制的 100 个问题
最近，很多朋友对业界常用的规划与控制相关内容表现出了极大的兴趣，也向我们提出了很多问题。 为了方便大家学习，自动驾驶之心整理在这里。 暂定稍后会问100个问题。 持续更新，主要关注学术界和工业界最常遇到的问题。 希望可以帮助到大家！
Q1 现在企业采用的控制措施有哪些？
国内外很多比较优秀的公司都使用iLQR进行轨迹优化。 对于控制来说，可能更多的是二自由度动态模型+求解线性化QP问题。
本文内容均来自“”
更有超大优惠券送！
立减100！ 仅三天！ 扫描二维码即可参与学习~
Q2 避障算法论文推荐！
如果只是避开静态障碍物，解决方案有很多，可以使用课程中讨论的路径规划方案。 如果是动态障碍，工程上最好的解决方案是路径速度解耦，这对于你们学校的项目来说绝对足够了。 还有，我好像还记得？ 如果是时间和空间，也能处理简单的动态场景。
Q3 如果不预测，在城市工况下，假设有行人过街、停车、行走，这种情况下的避障力场是否能够避障？
当然可以在力场中实现避障，但如果没有预测，动态障碍物是否也被视为静态障碍物呢？ 这种方法在某些情况下可能会导致问题。 例如，如果一辆自动驾驶车辆跟随一个人，并且两人以相同的速度行驶，如果将人视为静态障碍物，车辆会绕过他，但人也在向前移动。 ，因此算法将继续尝试绕行，但无法绕行。 如果考虑预测，使用距离场的困难在于必须构造 xyt 纬度的势场。 这个复杂度是O(KMN)。 可以使用一些并行操作来加速，但效果可能不是特别好。 一般来说，基于势场的方法在二维上效果很好，但在三维上仍然需要讨论。
Q4 如何提升项目体验？
宁老师的建议是，学完课程就可以看代码。 这对于入门来说是有好处的。 你可以把它写在你的简历上，然后提高你的编码技能。
Q5 如何从EM中寻找创意？
课程第三章宁老师会讲EM，可以作为一个框架来学习。 其中一些子模块的算法存在一些不足，也有可以改进的地方。 EM框架与2012年CMU的一篇论文《A Real-Time for》非常相似。CMU JM Dolan的实验室在很多领域都产生了著名的工作。 你可以检查一下。 早期，Waymo 和 Uber 的自动驾驶汽车基本上都是他们一群人在做。
Q6 PNC 的基本面试要求是什么？
对于实习来说，面试要求相对较低。 如果简历上有一些PNC相关的项目经验，基本上都会有面试机会。 面试主要是聊项目，看你对自己项目的了解程度，是否自己做过。 你也可以做一道比较简单的算法题来测试一下你的编程能力。 有些公司甚至不要求你实习时写代码。
只需阅读论文，阅读一些博客，然后阅读代码即可。 软件架构有点复杂，但核心算法就在那几个任务里。 如果你不能理解整个事情也没关系。 如果你把核心任务理解透了，面试的时候就会很尴尬。 。 将涵盖在这些课程中。
有些公司招聘实习生非常仓促。 不在第一线的公司很可能不会做算法题，或者干脆做个简单的题。 有的公司每一轮都有问题面试（百度、滴滴、华为……），有的公司第一轮纯项目，第二轮纯代码（图森第二轮直接面试你）。 2 3 道难度逐渐增加的问题）。
如果你的论文非常相关，你会被问到它作为一个项目。 如果和自动驾驶控制没有那么大的关系，可能根本不会问你。 至少目前不需要论文。 有些人没有论文，但有很强的工程项目和编码能力，并且可以获得很好的offer。
Q7 C++ & ROS 还是 & 如何选择？
如果是验证算法，你可以在自己的环境中实际测试一下。 在ros中写一个节点，随机生成障碍物并将其pub，sub到另一个节点上，然后进行算法。 如果你想做车辆动力学级仿真，那么+是最好的选择。 ros生态系统中没有更好的车辆轮胎动力学模拟水平。 你可以测试Ros+carla。 它已经比较成熟了，你可以在上面找到很多demo。 自动驾驶公司和造车新势力基本都需要C++，部分传统主机厂会需要+技术栈。
Q8 时空联合规划使用频繁吗？ 笛卡尔坐标系和坐标系下的时空联合规划分别有何优缺点？
不多，学校招生不会强制要求掌握这个。 时空一体化只是理论上更好，但工程挑战比较大，可能并不比解耦方案更好。
时空联合只是理论上更好，但工程挑战比较大，不一定比解耦方案更好。 时空联合优化的最大挑战是非凸性。 ilqr等方法找到的最优解都是局部最优的。 当非凸性很强时，解的质量可能是平均的。 因此，时空联合需要在决策部分提供一个高质量的初始解，然后ilqr继续这个初始解进行局部平滑。
现在已经进行了非线性非凸优化，一般都是直接在笛卡尔坐标系中进行，这样可以更准确地考虑运动学模型。
Q9 路径速度解耦方法的推荐论文！
百度的EM是； 《A Real-Time for》一文也早于 EM。
Q10 知名实验室，优质论文分享！
CMU 实验室；”- 与
棱镜和“;” 对于道路通过图，&“（时空联合规划）。
Q11 有哪些博弈论应用于监管的论文？
“ - 用于多和游戏”； “在”的游戏。 关键词：游戏、.
Q12 有没有一种算法可以在考虑运动学模型的同时保证轨迹覆盖一个区域？
《R., F., J.Hampp, M. Path: ,,.In of the IEEE on (ICRA), 2018》，论文主要介绍了全覆盖路径规划Q（CCPP：Path）算法。
Q13 使用加加速度进行速度规划有什么优点和缺点？
缺点是他首先固定了t的纬度来优化s及其导数，但速度优化本质上是同时优化st，因为速度和加速度优化后会反过来影响到达每个s的t。 。 speed 的 dp 部分固定了 t 纬度，这是一个近似值。 Speed in over a Fix Path for ，本文对速度规划的非线性部分进行了系统的解释。
Q14 现在PNC最热门的方向！
;图森提到了游戏交互的k级。
Q15 后面讲解其他算法时会有实际的代码示例吗？ 我以前没用过它。 有c++版本吗？
目前，我们不会在课程中花费大量时间来解释代码。 实践部分的流程是，在每一节之后，我们都会给你一个代码框架，以便你补充算法部分，然后最后根据上面的框架给你一个可执行的参考。 答：目前还没有这样的事情。 学完C++之后再学起来非常简单，验证算法也会非常方便。 对以后的科学研究和工作都有帮助。
Q16 在网格图中进行路径搜索时如何考虑运动学约束？ （在网格图中进行覆盖路径搜索时如何考虑运动学约束
你可以找一下扫地机器人方向的论文。 然而，覆盖搜索的结果应该只是全局路径。 是否需要保证运动学可行？ 通常，实时生成更高质量的本地路径并发送给控制器。 一般扫地机的底盘都是微分模型，他们可能不会考虑全局路径在运动学上是否可行。 无论如何，差速器底盘可以原地旋转。
Q17 PNC中如何考虑动态障碍？
其想法是将动态障碍物视为静态障碍物，但必须进行一些估计以在“关键”时刻选择障碍物，以确保车辆的行为不会过于保守，这将在后面的课程中详细讨论。
Q18 在qp中引入松弛因子有什么作用？ 可以解决哪些问题？
添加松弛因子的主要作用是把约束变成软约束。 例如，在规划问题中，通常有多个相干区域的描述。 有些是严格不可侵犯的，有些我们认为可以违反，但我们希望尽可能做到。 如果不违反的话，可以在这些软约束中加入松弛因素，然后将这些松弛因素放入成本中来惩罚它们，通过权重约束来调整约束的软硬。
Q19 老师，请问决策规划行业有没有尝试使用mcts？
学术界有很多，但在工业领域，特斯拉在停车场景中使用mcts进行搜索（aiday）。 搜索的结果一般不是全局最优的。 它只负责在粗粒度层面上找到最优解（例如决策）。 高阶量的优化需要优化。
Q20 全局优化
全局优化应该是群和优化的思想。 首先通过一些方法找到全局最优解的附近，然后找到局部最优解。 然而，该步骤可以在优化器中实现。
Q21 第二章讲的和动态规划有什么区别或者联系？感觉就是得到了当前节点代价最小的父节点。
好问题，本质上是一种贪婪策略。 每次都会选择代价最小的节点弹出，作为当前路径上的点。 DP的基础是DP每一步都会计算当前节点的最优成本，但并不意味着该节点最终一定处于最短路径中。
Q22 实验室及企业咨询！
● 老板：香港科技大学沉、刘明
● ：位于新加坡，现已被 Aptiv 收购。 它被称为
● 实验室：香港大学有一个火星实验室，但主要从事无人机； 香港市设有 FSM 实验室。
Q23 老师，当前变道研究的相关热点问题有哪些？
变道是横向决策的核心问题。 难点主要在于变道时机的选择，以及触发变道后，如果目标车道上的社会车不配合你，本车是应该放弃变道还是强制变道改变。 这其实也是一个博弈的过程。 目前，业界大多数仍然根据规则或成本来做出换道决策，而学术界则大多根据IL、RL和POMDP来做出决策。
Q24 教师应急决策是否有比较成熟的解决方案来避免AES？
ADAS我不是特别清楚，但是我觉得整体解决方案应该是类似的。 只是AES只需要考虑较短时域内可能发生的碰撞并避免它们。 我刚刚找到一篇论文“by in”并简单浏览了一下。 它也是用MPC的方式来做的。
Q25 双向两车道高速公路上的变道是以超车为目的的变道行为。 目前业界是否考虑过在这条非结构化道路上考虑正面碰撞风险的超车路径规划方法？ 另外，老师对人工势场及其派生方法用于车辆防撞有何看法？
如果有迎面驶来的车辆，通常会直接触发变道行为。 将参考线切割成线后，其他操作就没有什么特别的了。 势场法的主要问题是容易陷入局部最优。 如果能够通过搜索给出一个更好的初始值，问题就不大了。
Q26 目前自动驾驶变道研究中，估算碰撞风险和推断驾驶员驾驶风格的方法有哪些？
对于碰撞风险，可以参考一个叫RSS的模型，这是一个可解释的安全保障模型。 论文是这样的：On a Model of Safe and Self-Cars（RSS 提出，开源代码可以在上面找到。另外，还有很多基于 RSS 的后续项目，可以了解 RSS 的新研究）； 关于变道驾驶员风格推断的细分，我还没有了解太多。 你可以看这篇文章：里的：、、、和。
Q27 我想问一下实际项目中规划和控制算法是如何部署到实车上的，更深层的数据流是如何运行的？ 因为现在我了解了一些算法的原理代码，但是上车后我应该做什么工作呢？ 我在哪里可以获得这些信息？ 想了解控制算法工程师的日常生活吗？
事实上，PNC算法实现起来并不是很复杂。 毕竟一般不会涉及GPU什么的。 它只是通过一个类似于ROS的平台接受感知定位预测模块的输出，然后一个进程做算法的核心逻辑，最后通过topic发送轨迹。 另外，节点订阅规划和定位的结果进行轨迹跟踪，最后向下级MCU发送底盘指令。 主要日常工作是开发新功能，然后进行模拟/实车验证。 相比于感知和预测，PNC的每一个新功能都会比较快的闭环，然后有时间我也会去追求新的论文。
Q28 目前像伟晓丽这样的主流科技公司都用什么框架或者软件来做规划模拟？
一般有一定规模的公司都会有独立的团队来开发模拟功能。 模拟大致可分为两种类型。 一是能够回放和重新运行实车道路测试的数据。 这对于团队来说尤其重要。 每个公司都应该根据自己的工具和数据链接定制开发； 另一个类似于carla，可以预先定义模拟中其他智能体的行为。 环境中的所有代理都是虚拟化的。 这种类型的模拟的问题在于，很难建立虚拟代理和自我之间的交互行为。 一个很大的话题叫做智能代理。 总之，据我所知，业界没有统一的仿真框架，基本都是根据自己的需求来开发。
Q29 我想问一个问题。 当前课程介绍规划算法。 图搜索或采样方法都是基于寻找具有初始位置和结束位置的最优路径。 超车或避障时，如何确定局部路径的终点位置？ 基于搜索和采样的算法此时还适用吗？
适用，只需调整搜索的终止条件即可。 例如，现在我们搜索直到到达一个固定的终点。 我们可以将搜索更改为在一定距离处停止，以便通过搜索过程选择路径的最后一个点。 成本最小的状态。 对于采样，可以沿路采样许多最终状态。 后面的课程会讲搜索/采样在自动驾驶中的应用思路。
立减100！ 仅三天！ 扫描二维码即可参与学习~
扫描二维码添加助理咨询课程！
微信扫一扫打赏
支付宝扫一扫打赏
