友情链接:
合作联系
|
ASPEN培训课程
课程名称：路径规划与决策算法培训课程
培训对象：规划算法工程师、决策算法工程师、行为预测工程师、自动驾驶软件工程师、系统架构师。
培训目标：
全面掌握行为决策与路径规划分层架构。
精通全局路径规划与行为预测算法。
熟悉局部路径规划与轨迹生成方法。
掌握规划系统仿真与实车验证技术。
1. 规划决策系统架构
自动驾驶规划决策分层（任务规划/行为决策/运动规划）；功能模块划分与接口定义；规划系统输入输出；规划性能评价指标（安全性/舒适性/效率）。
2. 全局路径规划
基于搜索的算法（Dijkstra/A*/D*）；基于采样的算法（RRT/PRM）；车道级导航与拓扑地图；路网模型与道路连通性；全局路径平滑与优化。
3. 行为预测
目标意图预测（换道/直行/转弯）；轨迹预测（卡尔曼滤波/交互多模型）；基于深度学习的预测（Social-LSTM/VectorNet）；交互行为建模；预测不确定性表达。
4. 行为决策
有限状态机决策；基于规则的决策；基于博弈论的决策；马尔可夫决策过程（MDP）；部分可观测马尔可夫决策过程（POMDP）；深度学习端到端决策。
5. 局部路径规划
基于采样的方法（Lattice Planner/EM Planner）；基于曲线的方法（RS曲线/多项式曲线/贝塞尔曲线）；基于优化的方法（二次规划/非线性规划）；动态窗口法（DWA）；时空联合规划。
6. 轨迹生成与优化
轨迹表示（多项式/样条曲线）；轨迹约束（动力学约束/避障约束/交规约束）；轨迹优化目标函数设计；轨迹平滑与时间参数化；多目标轨迹评估与选择。
7. 运动规划约束处理
避障约束（障碍物距离/时空通道）；动力学约束（曲率/加速度/加加速度）；交通规则约束（车道/速度限制/让行）；舒适性约束；多约束融合优化。
8. 规划与控制的接口
规划轨迹输出格式（路径点+速度/轨迹点+时间）；控制指令解析；轨迹跟踪能力评估；规划-控制协同优化；重规划触发机制。
9. 交互场景决策
路口交互（让行/抢行/合流）；匝道汇入汇出；无保护左转；行人过街交互；博弈均衡与协作驾驶。
10. 规划系统仿真验证
场景构建与测试用例；规划算法MIL/SIL测试；开环仿真与闭环仿真；规划性能自动化评测；长尾场景覆盖。
11. 规划算法工程实践
算力需求与实时性优化；规划模块代码架构；故障检测与安全兜底；规划参数标定与调优；规划轨迹平滑处理。
12. 下一代规划决策技术
端到端规划决策；基于学习的规划器；交互感知规划；时空联合规划；多模态规划与风险评估。
【综合案例研讨】
案例一：城市无保护左转行为决策算法开发——某城市NOA项目中，针对无保护左转过路口场景，设计基于POMDP的行为决策模型，综合考虑对向直行车辆、行人过街、交通灯状态等因素，实现安全高效的左转通行，通过仿真与实路验证。
案例二：EM Planner在高速NOA中轨迹规划应用——基于Apollo EM Planner框架，实现高速公路场景的换道、超车、跟车轨迹规划，解决动态障碍物避让与最优车道选择问题，在密集交通流下保持稳定平顺的驾驶行为。
案例三：Cut-in场景预测与规划协同优化——针对目标车辆Cut-in场景，通过意图预测提前识别Cut-in意图，规划层提前调整纵向速度与横向间隙，实现平稳避让，避免急刹或频繁变道，提升乘坐舒适性。
