آموزش برنامه‌ریزی حرکت برای خودروهای خودران - آخرین آپدیت

دانلود Motion Planning for Self-Driving Cars

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره برنامه‌ریزی حرکت برای خودروهای خودران، چهارمین دوره از تخصص خودروهای خودران دانشگاه تورنتو خوش آمدید. این دوره شما را با وظایف اصلی برنامه‌ریزی در رانندگی خودکار، از جمله برنامه‌ریزی ماموریت (Mission Planning)، برنامه‌ریزی رفتاری (Behavior Planning) و برنامه‌ریزی محلی (Local Planning) آشنا می‌کند. در پایان این دوره، شما قادر خواهید بود کوتاه‌ترین مسیر را روی یک گراف یا شبکه جاده‌ای با استفاده از الگوریتم‌های دایکسترا (Dijkstra) و A* بیابید، از ماشین‌های حالت محدود (FSM) برای انتخاب رفتارهای ایمن استفاده کنید و مسیرهای بهینه و نرم و پروفایل‌های سرعت را برای عبور ایمن از میان موانع با رعایت قوانین راهنمایی و رانندگی طراحی کنید. همچنین، نقشه‌های شبکه اشغال (Occupancy Grid Maps) برای عناصر ایستا در محیط را خواهید ساخت و نحوه استفاده از آن‌ها را برای بررسی بهینه برخورد یاد می‌گیرید. این دوره به شما توانایی می‌دهد تا یک راهکار کامل برنامه‌ریزی خودران را پیاده‌سازی کنید که خودرو را از خانه به محل کار برساند، در حالی که مانند یک راننده معمولی رفتار کرده و ایمنی خودرو را در تمام لحظات حفظ کند. برای پروژه نهایی این دوره، شما یک برنامه‌ریز حرکت سلسله‌مراتبی را برای پیمایش در مجموعه‌ای از سناریوها در شبیه‌ساز CARLA پیاده‌سازی خواهید کرد؛ از جمله دوری از خودروهای پارک شده در مسیر، دنبال کردن خودروی جلویی و عبور ایمن از تقاطع. شما با تصادفی بودن دنیای واقعی روبرو خواهید شد و باید تلاش کنید تا راهکار خود در برابر تغییرات محیطی مقاوم (Robust) باشد. این یک دوره متوسط است و برای یادگیرندگانی طراحی شده که پیش‌زمینه‌ای در رباتیک دارند و بر اساس مدل‌ها و کنترل‌کننده‌های طراحی شده در دوره اول این تخصص بنا شده است. برای موفقیت در این دوره، باید تجربه برنامه‌نویسی با پایتون ۳.۰ و آشنایی با جبر خطی (ماتریس‌ها، بردارها، ضرب ماتریسی، رتبه، مقادیر و بردارهای ویژه و معکوس) و حسابان (معادلات دیفرانسیل معمولی و انتگرال‌گیری) داشته باشید.

سرفصل ها و درس ها

خوش‌آمدگویی به دوره ۴: برنامه‌ریزی حرکت برای خودروهای خودران Welcome to Course 4: Motion Planning for Self-Driving Cars

  • خوش‌آمدگویی به تخصص خودروهای خودران! Welcome to the Self-Driving Cars Specialization!

  • خوش‌آمدگویی به دوره Welcome to the Course

  • آشنایی با مدرس: استیون واسلندر Meet the Instructor, Steven Waslander

  • آشنایی با مدرس: جاناتان کلی Meet the Instructor, Jonathan Kelly

ماژول ۱: مسئله برنامه‌ریزی Module 1: The Planning Problem

  • درس ۱: ماموریت‌های رانندگی، سناریوها و رفتار Lesson 1: Driving Missions, Scenarios, and Behaviour

  • درس ۲: محدودیت‌های برنامه‌ریزی حرکت Lesson 2: Motion Planning Constraints

  • درس ۳: توابع هدف برای رانندگی خودکار Lesson 3: Objective Functions for Autonomous Driving

  • درس ۴: برنامه‌ریزی حرکت سلسله‌مراتبی Lesson 4: Hierarchical Motion Planning

ماژول ۲: نقشه‌برداری برای برنامه‌ریزی Module 2: Mapping for Planning

  • درس ۱: شبکه‌های اشغال (Occupancy Grids) Lesson 1: Occupancy Grids

  • درس ۲: پر کردن شبکه‌های اشغال از داده‌های اسکن لیدار (بخش اول) Lesson 2: Populating Occupancy Grids from LIDAR Scan Data (Part 1)

  • درس ۲: پر کردن شبکه‌های اشغال از داده‌های اسکن لیدار (بخش دوم) Lesson 2: Populating Occupancy Grids from LIDAR Scan Data (Part 2)

  • درس ۳: به‌روزرسانی شبکه اشغال برای خودروهای خودران Lesson 3: Occupancy Grid Updates for Self-Driving Cars

  • درس ۴: نقشه‌های جاده‌ای با دقت بالا (HD Maps) Lesson 4: High Definition Road Maps

ماژول ۳: برنامه‌ریزی ماموریت در محیط‌های رانندگی Module 3: Mission Planning in Driving Environments

  • درس ۱: ایجاد گراف شبکه جاده‌ای Lesson 1: Creating a Road Network Graph

  • درس ۲: جستجوی کوتاه‌ترین مسیر دایکسترا Lesson 2: Dijkstra's Shortest Path Search

  • درس ۳: جستجوی کوتاه‌ترین مسیر A Lesson 3: A* Shortest Path Search

ماژول ۴: تعاملات اشیاء پویا Module 4: Dynamic Object Interactions

  • درس ۱: پیش‌بینی حرکت Lesson 1: Motion Prediction

  • درس ۲: پیش‌بینی حرکت آگاه از نقشه Lesson 2: Map-Aware Motion Prediction

  • درس ۳: زمان تا برخورد (TTC) Lesson 3: Time to Collision

ماژول ۵: اصول برنامه‌ریزی رفتاری Module 5: Principles of Behaviour Planning

  • درس ۱: برنامه‌ریزی رفتاری Lesson 1: Behaviour Planning

  • درس ۲: مدیریت سناریوی تقاطع بدون اشیاء پویا Lesson 2: Handling an Intersection Scenario Without Dynamic Objects

  • درس ۳: مدیریت سناریوی تقاطع با اشیاء پویا Lesson 3: Handling an Intersection Scenario with Dynamic Objects

  • درس ۴: مدیریت سناریوهای متعدد Lesson 4: Handling Multiple Scenarios

  • درس ۵: روش‌های پیشرفته برای برنامه‌ریزی رفتاری Lesson 5: Advanced Methods for Behaviour Planning

ماژول ۶: برنامه‌ریزی واکنشی در محیط‌های ایستا Module 6: Reactive Planning in Static Environments

  • درس ۱: انتشار مسیر (Trajectory Propagation) Lesson 1: Trajectory Propagation

  • درس ۲: بررسی برخورد Lesson 2: Collision Checking

  • درس ۳: الگوریتم Rollout مسیر Lesson 3: Trajectory Rollout Algorithm

  • درس ۴: پنجره پویا (Dynamic Windowing) Lesson 4: Dynamic Windowing

ماژول ۷: جمع‌بندی کلی؛ برنامه‌ریزی محلی نرم Module 7: Putting it all together - Smooth Local Planning

  • درس ۱: منحنی‌های پارامتریک Lesson 1: Parametric Curves

  • درس ۲: بهینه‌سازی برنامه‌ریزی مسیر Lesson 2: Path Planning Optimization

  • درس ۳: بهینه‌سازی در پایتون Lesson 3: Optimization in Python

  • درس ۴: برنامه‌ریزی شبکه تطبیقی (Conformal Lattice Planning) Lesson 4: Conformal Lattice Planning

  • درس ۵: تولید پروفایل سرعت Lesson 5: Velocity Profile Generation

  • مرور کلی پروژه نهایی Final Project Overview

  • راه حل پروژه نهایی [قفل شده] Final Project Solution [LOCKED]

  • تبریک برای به پایان رساندن دوره! Congratulations for completing the course!

  • تبریک برای تکمیل تخصص خودروهای خودران! Congratulations on Completing the Specialization!

نمایش نظرات

آموزش برنامه‌ریزی حرکت برای خودروهای خودران
جزییات دوره
32h 9m
37
(آخرین آپدیت)
42,362
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Steven Waslander Steven Waslander