Zer0-Chambers

该文被密码保护。 阅读全文

摘要： 来源：如何理解Tesla和Wayve在CVPR2023 workshop上提到的world model？ - EatElephant的回答 - 知乎 https://www.zhihu.com/question/610849510/answer/3108529249 “CVPR 2023 自动驾驶w 阅读全文

该文被密码保护。 阅读全文

摘要： 最近着重看了一些端到端的自动驾驶方案，有一些想法 特点： 1.表现好，Carla leaderboard榜首几乎都是E2E，比如TCP，Transfuser, LAV2.逐渐偏重模块化的精细设计，并且中间量可以decode来可视化用以增强可解释性3.很多用GRU生成/refine轨迹，考虑waypo 阅读全文

摘要： 1.关于anchor的理解 先看在目标检测领域的anchor的含义：https://www.zhihu.com/question/42205480/answer/155759667；https://zhuanlan.zhihu.com/p/84398108 最早用anchor的可能是Faster R 阅读全文

摘要： 摘要：提出了一个新的方法，把目标检测看作直接的集合的预测问题。消除了很多其他方法需要的手工设计的先验的环节，比如非极大抑制、anchor设计等。DETR是什么？DEtection TRansformer, 重要元素包含两项：基于集合的全局损失函数（用二部匹配进行唯一预测）以及一个transforme 阅读全文

摘要： 有段时间之前读的文章了，师兄推荐的，感觉挺好的，讲的是状态和动作的设计方式 1 表示车辆 1.1 Encodings 1.1.1 连续坐标系 每辆车的状态用位置、车头朝向和速度表示： 则所有车（N个）状态的集合描述了道路交通的复合状态： 参考系可以是绝对的，但是通常采用ego-centric，以自车 阅读全文

摘要： 摘要：看看RL怎么用在motion planning和control上。【读的时候没注意，才10引用，果然不太行】 1.INTRODUCTION 有监督学习每个任务都要一大堆标注数据，costly。而且不能覆盖所有复杂场景。RL没有以上两种缺点。 决策和控制上使用的RL方法，分两类：分层方法(pip 阅读全文

摘要： 有一篇可以参考的https://blog.csdn.net/u011841848/article/details/123173791 这篇文章代码在https://github.com/HKUST-Aerial-Robotics/spatiotemporal_semantic_corridor，有空 阅读全文

摘要： Jointly Learnable Behavior and Trajectory Planning for Self-Driving Vehicles 作者:Abbas Sadat 摘要：运动规划总是由两个模块组成：behavior planner（行为决策）和trajectory planner 阅读全文