热搜关键词: 信号与系统无刷电机ADSTCP/IP

下载中心>文集> 自动驾驶学习路线文集

自动驾驶学习路线文集

自动驾驶,又称无人驾驶、电脑驾驶或轮式移动机器人,是依靠计算机与人工智能技术在没有人为操纵的情况下,完成完整、安全、有效的驾驶的一项前沿科技。

自动驾驶汽车关键技术主要包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X以及自动驾驶汽车测试与验证技术等。

本文集针对自动驾驶的关键技术进行了梳理,收集整理了一部分学习资料供感兴趣的网友下载学习。

下载:2667 评论

综合 文档列表

pdf
第一本无人驾驶技术书高清版带书签
标签:无人驾驶self-driving自动驾驶导航汽车电子
积分:1 类型:技术书籍上传者:a514371309上传时间:2019-07-03
简介:《第一本无人驾驶技术书》(2017第一版,清晰版,带书签)宏观地介绍了无人驾驶,深度解析了无人驾驶技术各个知识点,包括定位导航、感知决策、控制等算法,深度学习在无人驾驶中应用,对有志于从事无人驾驶技术的人来说是必读经典。
下载
pdf
自动驾驶技术概论
标签:自动驾驶汽车电子
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:作者:王建、徐国艳、陈竞凯、冯宗宝 出版时间:2019年12月01日 本册书主要介绍汽车构造和无人驾驶汽车的基本概念,让读者从基础开始,由浅入深地了解无人驾驶的历史由来、国内外自动驾驶产业现状及技术发展、自动驾驶汽车的技术架构、自动驾驶开发平台等知识,并详细介绍百度Apollo无人驾驶平台,通过实际的案例让读者深入了解无人驾驶知识体系 。
下载
pdf
概率机器人 PDF
标签:概率机器人
积分:1 类型:技术书籍上传者:日不落的骑士上传时间:2019-05-18
简介:塞巴斯蒂安 特隆的概率机器人,机器学习入门书籍。
下载

环境感知 文档列表

pdf
深度学习 中文版
标签:电子
积分:1 类型:学术论文上传者:nkyqsl上传时间:2018-11-07
简介:深度学习 中文版
下载
pdf
动手学深度学习-李沐
标签:操作系统
积分:1 类型:技术书籍上传者:太白金星上传时间:2021-06-29
简介:深度学习简介你可能已经接触过编程,并开发过?两款程序。同时你可能读到了关于深度学习或者是机器学习的铺天盖地的报道,尽管很多时候它们被赋予了更?义的名字:??智能。实际上,或者说幸运的是,?部分的程序并不需要深度学习或者是更?义上的??智能技术。例如我们要为?台微波炉编写?个??界?,只需要?点点功夫我们便能设计出??个按钮以及?系列能精确描述微波炉在各种情况下的表现的规则。抑或是我们要编写?个电?邮件客?端,这样的程序?微波炉要更复杂?些,但我们还是可以沉下?来?步?步思考:客?端的??界?将需要?个输?框?来接受收件?、主题、邮件正?等,程序将监听键盘输?并写??个缓冲区,然后将它们显?在相应的输?框中。当??点击“发送”按钮时,我们需要检查收件?邮箱地址的格式是否合法,并检查邮件主题是否为空,或在主题为空时警告??,而后?相应的协议传送邮件。 值得注意的是,在以上两个例?中,我们都不需要收集真实世界中的数据,也不需要系统地提取这些数据的特征。只要有充?的时间,我们的常识与编程技巧已经?够让我们完成它们。 与此同时,我们很容易就能找到?些连世界上最好的程序员也?法仅仅?编程技巧解决的简单问题。例如,假设我们想要编写?个判定?张图像中有没有猫的程序。这件事听起来好像很简单,对不对?程序只需要对每张输?图像输出“真”(表?有猫)或者“假”(表??猫)即可。但令?惊讶的是,即使是世界上最优秀的计算机科学家和程序员也不懂如何编写这样的程序。 我们该从哪???呢?我们先进?步简化这个问题:若假设所有图像的?和宽都是同样的 400 像素?小,?个像素由红绿蓝三个值构成,那么?张图像就由近 50 万个数值表?。那么哪些数值隐藏着我们必要的信息呢?是所有数值的平均数,还是四个?的数值,抑或是图像中的某?个特别的点?事实上,要想解读图像中的内容,你需要寻找仅仅在结合成千上万的数值时才会出现的特征,?如边缘、质地、形状、眼睛、??等,最终才能判断图像中是否含有猫。 ?种解决以上问题的思路是逆向思考。与其设计?个解决问题的程序,我们不如从最终的需求??来寻找?个解决?案。事实上,这也是?前的机器学习和深度学习应?共同的核?思想:我们可以称其为“?数据编程”。与其枯坐在房间?思考怎么设计?个识别猫的程序,不如利??类?眼在图像中识别猫的能?。我们可以收集?些已知包含猫与不包含猫的真实图像,然后我们的?标就转化成如何从这些图像??来得到?个可以推断出图像中是否含有猫的函数。这个函数的1.2. 深度学习简介
下载
zip
《机器学习》--周志华完整版pdf
标签:AI机器学习周志华
积分:0 类型:技术书籍上传者:阿拉蕾ailin上传时间:2020-07-27
简介:周志华 Tom M.Mitchell,是卡内基梅隆大学的bai教授,讲授“du机器学习”等多门课程;美国zhi人工智能协会dao(AAAL)的主席;美国《Machine Learning》杂志、国际机器学习年度会议(ICML)的创始人;多种技术杂志的撰稿人,曾发表过许多文章,出版过多本专著,是机器学习领域的著名学者。本书展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。本书综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。本书可作为计算机专业 本科生、研究生教材,也可作为相关领域研究人员、教师的参考书。
下载
rar
计算机视觉——算法与应用
标签:计算机视觉图像技术
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:《计算机视觉——算法与应用》探索了用于分析和解释图像的各种常用技术,描述了具有一定挑战性的视觉应用方面的成功实例,兼顾专业的医学成像和图像编辑与交织之类有趣的大众应用,以便学生能够将其应用于自己的照片和视频,从中获得成就感和乐趣。本书从科学的角度介绍基本的视觉问题,将成像过程的物理模型公式化,然后在此基础上生成对场景的逼真描述。作者还运用统计模型来分析和运用严格的工程方法来解决这些问题。 本书作为本科生和研究生“计算机视觉”课程的理想教材,适合计算机和电子工程专业学生使用,重点介绍现实中行之有效的基本技术,通过大量应用和练习来鼓励学生大胆创新。此外,本书的精心设计和编排,使其可以作为计算机视觉领域中一本独特的基础技术参考和最新研究成果文献。
下载
pdf
PyTorch官方教程中文版
标签:PyTorch机器学习
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:官方教程包含了 PyTorch 介绍,安装教程;60分钟快速入门教程,可以迅速从小白阶段完成一个分类器模型;计算机视觉常用模型,方便基于自己的数据进行调整,不再需要从头开始写;自然语言处理模型,聊天机器人,文本生成等生动有趣的项目。
下载

地图&定位 文档列表

rar
视觉SLAM十四讲&SLAM代码资料
标签:视觉技术SLAM汽车电子
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:作者:高翔、张涛 出版时间:2017年3月 《视觉SLAM十四讲:从理论到实践》系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,如三维空间的刚体运动、非线性优化,又包括计算机视觉的算法实现,例如多视图几何、回环检测等。此外,还提供了大量的实例代码供读者学习研究,从而更深入地掌握这些内容。
下载
pdf
机器人学中的状态估计
标签:机器人状态估计
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:作者: [加]蒂莫西•D.巴富特 出版时间:2018-11-18 如何估计机器人在空间中移动时的状态(如位置、方向)是机器人研究中一个重要的问题。大多数机器人、自动驾驶汽车都需要导航信息。导航的数据来自于相机、激光测距仪等各种传感器,而它们往往受噪声影响,这给状态估计带来了挑战。本书将介绍常用的传感器模型,以及如何在现实世界中利用传感器数据对旋转或其他状态变量进行估计。本书涵盖了经典的状态估计方法(如卡尔曼滤波)以及更为现代的方法(如批量估计、贝叶斯滤波、sigmapoint 滤波和粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归)。这些方法在诸如点云对齐、位姿图松弛、光束平差法以及同时定位与地图构建等重要应用中得以验证。对机器人领域的学生和相关从业者来说,本书将是一份宝贵的资料。
下载
rar
Computational Geometry in C 书中的源代码生成三维凸包
标签:geometry源代码代码生成三维凸包
积分:1 类型:应用文档上传者:PKelect上传时间:2014-03-05
简介:Computational Geometry in C 书中的源代码生成三维凸包
下载

决策与规划 文档列表

pdf
深度强化学习:基础、研究与应用 (董豪 等)
标签:AI深度学习
积分:1 类型:技术书籍上传者:sigma上传时间:2022-04-17
简介:深度强化学习结合深度学习与强化学习算法各自的优势解决复杂的决策任务。得益于 DeepMind AlphaGo 和 OpenAI Five 成功的案例,深度强化学习受到大量的关注,相关技术广泛应用于不同的领域。 本书分为三大部分,覆盖深度强化学习的全部内容。第一部分介绍深度学习和强化学习的入门知识、一些非常基础的深度强化学习算法及其实现细节,包括第 1~6 章。第二部分是一些精选的深度强化学习研究题目,这些内容对准备开展深度强化学习研究的读者非常有用,包括第 7~12 章。第三部分提供了丰富的应用案例,包括 AlphaZero、让机器人学习跑步等,包括第 13~17 章。 本书是为计算机科学专业背景、希望从零开始学习深度强化学习并开展研究课题和实践项目的学生准备的。本书也适合没有很强的机器学习背景、但是希望快速学习深度强化学习并将其应用到具体产品中的软件工程师阅读。 基础部分 1 第 1 章 深度学习入门 2 1.1 简介 2 1.2 感知器 3 1.3 多层感知器 7 1.4 激活函数 9 1.5 损失函数 11 1.6 优化 13 1.6.1 梯度下降和误差的反向传播 13 1.6.2 随机梯度下降和自适应学习率 15 1.6.3 超参数筛选 17 1.7 正则化 18 1.7.1 过拟合 18 1.7.2 权重衰减 18 1.7.3 Dropout 20 1.7.4 批标准化 20 1.7.5 其他缓和过拟合的方法 21 1.8 卷积神经网络 22 1.9 循环神经网络 25 1.10 深度学习的实现样例 28 1.10.1 张量和梯度 28 1.10.2 定义模型 29 110.3 自定义层 31 1.10.4 多层感知器:MNIST 数据集上的图像分类 33 1.10.5 卷积神经网络:CIFAR-10 数据集上的图像分类35 1.10.6 序列到序列模型:聊天机器人 36 第 2 章 强化学习入门 43 2.1 简介 43 2.2 在线预测和在线学习 46 2.2.1 简介 46 2.2.2 随机多臂赌博机 48 2.2.3 对抗多臂赌博机 50 2.2.4 上下文赌博机 51 2.3 马尔可夫过程 52 2.3.1 简介 52 2.3.2 马尔可夫奖励过程 54 2.3.3 马尔可夫决策过程 57 2.3.4 贝尔曼方程和最优性 61 2.3.5 其他重要概念 64 2.4 动态规划 64 2.4.1 策略迭代 65 2.4.2 价值迭代 67 2.4.3 其他 DPs:异步 DP、近似 DP 和实时 DP 68 2.5 蒙特卡罗 70 2.5.1 蒙特卡罗预测 70 2.5.2 蒙特卡罗控制 71 2.5.3 增量蒙特卡罗 72 2.6 时间差分学习 73 2.6.1 时间差分预测 73 2.6.2 Sarsa:在线策略 TD 控制 77 2.6.3 Q-Learning:离线策略 TD 控制 80 2.7 策略优化 80 2.7.1 简介 80 2.7.2 基于价值的优化 84 2.7.3 基于策略的优化 89 2.7.4 结合基于策略和基于价值的方法 105 第 3 章 强化学习算法分类 110 3.1 基于模型的方法和无模型的方法 111 3.2 基于价值的方法和基于策略的方法 113 3.3 蒙特卡罗方法和时间差分方法 114 3.4 在线策略方法和离线策略方法 115 第 4 章 深度 Q 网络 119 4.1 Sarsa 和 Q-Learning 121 4.2 为什么使用深度学习: 价值函数逼近 121 4.3 DQN 123 4.4 Double DQN 124 4.5 Dueling DQN 125 4.6 优先经验回放 127 4.7 其他改进内容:多步学习、噪声网络和值分布强化学习128 4.8 DQN 代码实例 131 第 5 章 策略梯度 146 5.1 简介 146 5.2 REINFORCE:初版策略梯度 147 5.3 Actor-Critic 149 5.4 生成对抗网络和 Actor-Critic 150 5.5 同步优势 Actor-Critic 152 5.6 异步优势 Actor-Critic 153 5.7 信赖域策略优化 154 5.8 近端策略优化 157 5.9 使用 Kronecker 因子化信赖域的 Actor-Critic 159 5.10 策略梯度代码例子 162 5.10.1 相关的 Gym 环境 162 5.10.2 REINFORCE: Atari Pong 和 CartPole-V0 165 5.10.3 AC: CartPole-V0 173 5.10.4 A3C: BipedalWalker-v2 176 5.10.5 TRPO: Pendulum-V0 181 5.10.6 PPO: Pendulum-V0 192 第 6 章 深度 Q 网络和 Actor-Critic 的结合 200 6.1 简介 200 6.2 深度确定性策略梯度算法 201 6.3 孪生延迟 DDPG 算法 203 6.4 柔性 Actor-Critic 算法 206 6.4.1 柔性策略迭代 206 6.4.2 SAC 207 6.5 代码例子 209 6.5.1 相关的 Gym 环境 209 6.5.2 DDPG: Pendulum-V0 209 6.5.3 TD3: Pendulum-V0 215 6.5.4 SAC: Pendulum-v0 225 研究部分 236 第 7 章 深度强化学习的挑战 237 7.1 样本效率 237 7.2 学习稳定性 240 7.3 灾难性遗忘 242 7.4 探索 243 7.5 元学习和表征学习 245 7.6 多智能体强化学习 246 7.7 模拟到现实 247 7.8 大规模强化学习 251 7.9 其他挑战 252 第 8 章 模仿学习 258 8.1 简介 258 8.2 行为克隆方法 260 8.2.1 行为克隆方法的挑战 260 8.2.2 数据集聚合 261 8.2.3 Variational Dropout 262 8.2.4 行为克隆的其他方法 262 8.3 逆向强化学习方法 263 8.3.1 简介 263 8.3.2 逆向强化学习方法的挑战 264 8.3.3 生成对抗模仿学习 265 8.3.4 生成对抗网络指导性代价学习 266 8.3.5 对抗性逆向强化学习 268 8.4 从观察量进行模仿学习 269 8.4.1 基于模型方法 269 8.4.2 无模型方法 272 8.4.3 从观察量模仿学习的挑战 277 8.5 概率性方法 277 8.6 模仿学习作为强化学习的初始化 279 8.7 强化学习中利用示范数据的其他方法 280 8.7.1 将示范数据导入经验回放缓存 280 8.7.2 标准化 Actor-Critic 281 8.7.3 用示范数据进行奖励塑形 282 8.8 总结 282 第 9 章 集成学习与规划 289 9.1 简介 289 9.2 基于模型的方法 290 9.3 集成模式架构 292 9.4 基于模拟的搜索 293 9.4.1 朴素蒙特卡罗搜索 294 9.4.2 蒙特卡罗树搜索 294 9.4.3 时间差分搜索 295 第 10 章 分层强化学习 298 10.1 简介 298 10.2 选项框架 299 10.2.1 战略专注作家 300 10.2.2 选项-批判者结构 303 10.3 封建制强化学习 305 10.3.1 封建制网络 305 10.3.2 离线策略修正 307 10.4 其他工作 309 第 11 章 多智能体强化学习 315 11.1 简介 315 11.2 优化和均衡 316 11.2.1 纳什均衡 317 11.2.2 关联性均衡 318 11.2.3 斯塔克尔伯格博弈 320 11.3 竞争与合作 321 11.3.1 合作 321 11.3.2 零和博弈 321 11.3.3 同时决策下的竞争 322 11.3.4 顺序决策下的竞争 323 11.4 博弈分析架构 324 第 12 章 并行计算 326 12.1 简介 326 12.2 同步和异步 327 12.3 并行计算网络 329 12.4 分布式强化学习算法 330 12.4.1 异步优势 Actor-Critic 330 12.4.2 GPU/CPU 混合式异步优势 Actor-Critic 332 12.4.3 分布式近端策略优化 333 12.4.4 重要性加权的行动者-学习者结构和可扩展高效深度强化学习 336 12.4.5 Ape-X、回溯-行动者和分布式深度循环回放 Q 网络 338 12.4.6 Gorila 340 12.5 分布式计算架构 340 应用部分 343 第 13 章 Learning to Run 344 13.1 NeurIPS 2017 挑战:Learning to Run 344 13.1.1 环境介绍 344 13.1.2 安装 346 13.2 训练智能体 347 13.2.1 并行训练 348 13.2.2 小技巧 351 13.2.3 学习结果 352 第 14 章 鲁棒的图像增强 354 14.1 图像增强 354 14.2 用于鲁棒处理的强化学习 356 第 15 章 AlphaZero 366 15.1 简介 366 15.2 组合博弈 367 15.3 蒙特卡罗树搜索 370 15.4 AlphaZero:棋类游戏的通用算法 376 第 16 章 模拟环境中机器人学习 388 16.1 机器人模拟 389 16.2 强化学习用于机器人任务 405 16.2.1 并行训练 407 16.2.2 学习效果 407 16.2.3 域随机化 408 16.2.4 机器人学习基准 409 16.2.5 其他模拟器 409 第 17 章 Arena:多智能体强化学习平台 412 17.1 安装 413 17.2 用 Arena 开发游戏 413 17.2.1 简单的单玩家游戏 414 17.2.2 简单的使用奖励机制的双玩家游戏 416 17.2.3 高级设置 420 17.2.4 导出二进制游戏 424 17.3 MARL 训练 427 17.3.1 设置 X-Server 427 17.3.2 进行训练 429 17.3.3 可视化 431 17.3.4 致谢 431 第 18 章 深度强化学习应用实践技巧 433 18.1 概览:如何应用深度强化学习 433 18.2 实现阶段 434 18.3 训练和调试阶段 440 总结部分 445 附录 A 算法总结表 446 附录 B 算法速查表 451 B.1 深度学习 451 B.1.1 随机梯度下降 451 B.1.2 Adam 优化器 452 B.2 强化学习 452 B.2.1 赌博机 452 B.2.2 动态规划 453 B.2.3 蒙特卡罗 454 B.3 深度强化学习 458 B.4 高等深度强化学习 467 B.4.1 模仿学习 467 B.4.2 基于模型的强化学习 468 B.4.3 分层强化学习 470 B.4.4 多智能体强化学习 471 B.4.5 并行计算 472 附录 C 中英文对照表 476
下载
pdf
Planning Algorithms(规划算法)
标签:人工智能机器人
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:Planning Algorithms 国外优秀规划算法教材
下载
pdf
Robotics - Modelling, Planning and Control
标签:机器人
积分:1 类型:技术书籍上传者:黄土马家上传时间:2022-05-07
简介:机器人学:建模、规划与控制
下载
pdf
Modern Robotics Mechanics, Planning, and Control
标签:机器人
积分:1 类型:技术书籍上传者:sigma上传时间:2022-01-09
简介:Modern Robotics Mechanics, Planning, and Control by Frank C. Park Kevin M. Lynch
下载
pdf
Trajectory Planning for Automatic Machines and Robots
标签:机器人轨迹规划
积分:2 类型:技术书籍上传者:zycmcloud上传时间:2021-10-20
简介:《Trajectory Planning for Automatic Machines and Robots(ISBN: 9783540856283,9783540856290,2008934462) 清晰度:清晰 内容:完整 语言:英语 内容:学习机器人轨迹规划推荐书目
下载

控制与执行 文档列表

pdf
Feedback control of dynamic systems
标签:digitalcontroldynamicsystems
积分:1 类型:技术书籍上传者:ljh1128上传时间:2015-01-21
简介:Feedback control of dynamic systems Franklin
下载
pdf
PID controllers: theory, design, and tuning [2nd ed.]
标签:PID控制器
积分:1 类型:技术书籍上传者:sigma上传时间:2021-01-12
简介:PID controllers: theory, design, and tuning [2nd ed.]
下载
pdf
Advanced PID Control
标签:电源
积分:1 类型:学术论文上传者:jasionla上传时间:2019-12-11
简介:Advanced PID Control
下载
pdf
自动控制原理(第五版)胡寿松
标签:自动控制
积分:1 类型:技术书籍上传者:太白金星上传时间:2020-12-30
简介:自动控制原理(第五版)胡寿松
下载

车联网V2X 文档列表

pdf
2021车联网白皮书
标签:汽车电子车联网
积分:1 类型:应用文档上传者:黄土马家上传时间:2022-05-07
简介:2021车联网白皮书
下载
pdf
5G+MEC+V2X车联网解决方案白皮书(联通、联想)
标签:汽车电子车联网5G
积分:1 类型:应用文档上传者:黄土马家上传时间:2022-05-07
简介:《5G+MEC+V2X车联网解决方案白皮书》对V2X和5G的融合趋势进行了分析,阐述了5G +MEC+V2X车联网方案的架构、优势及价值,对车联网应用进行了多维度分析,并提出了车联网商业应用路径的构想和展望。
下载
pdf
华为5G+C-V2X车联网解决方案
标签:汽车电子车联网
积分:1 类型:应用文档上传者:黄土马家上传时间:2022-05-07
简介:华为5G+C-V2X车联网解决方案
下载
7z
V2X防碰撞算法参考学习
标签:汽车电子车辆防碰撞
积分:1 类型:应用文档上传者:黄土马家上传时间:2022-05-07
简介:V2X防碰撞算法参考学习
下载
zip
v2x规范汇总
标签:汽车电子车联网
积分:1 类型:应用文档上传者:黄土马家上传时间:2022-05-07
简介:v2x规范汇总 《合作式智能运输系统 车用通信系统应用层及应用数据交互标准》 《车联网数据采集要求》 《合作式智能运输系统 专用短程通信 第1部分:总体技术要求》 《基于LTE的车联网无线通信技术直接通信系统技术要求》 《智能网联汽车车载端信息安全技术要求》
下载

评论

登录/注册

意见反馈

求资源

回顶部

最新下载

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved
×

已收藏到:个人中心—我的下载—收藏