規控算法是自動駕駛實現安全與舒適的核心,無論是高速巡航還是復雜城市場景,其表現均由PID、LQR、MPC等關鍵算法決定。然而,大多數工程師雖然了解基礎原理,卻在工程落地時頻頻受阻——參數整定、延遲補償、模型失配……這些調試細節,才是真正的技術瓶頸,也正成為許多人職業發展的關鍵障礙。
![]()
(自動駕駛算法結構圖)
行業招聘需求早已印證了這一點:一線車企與自動駕駛公司的規控崗位,普遍要求“掌握核心算法、車輛動力學建模,并具備實戰經驗”。這考驗的不是公式記憶,而是對算法特性與場景適配的系統化理解,以及將理論轉化為工程代碼的實戰能力。
目前工業界廣泛應用的規控算法,如控制側的PID、LQR、MPC,以及規劃側的A*、Dijkstra、有限狀態機和Lattice Planner等,網上雖有許多基礎介紹,但將系統化理論與可實踐的C++代碼深度結合的內容依然稀缺。
局部軌跡規劃算法lattice planner
為了便于大家學習,深藍學院邀請了具有10年以上規劃控制研發經驗的烏寧博士,開設了《自動駕駛控制與規劃》線上課程。
掃碼添加,了解詳情
搶占學習名額
PART.01
課程講師
![]()
![]()
博士畢業于新加坡國立大學。具有10年以上機器人規劃控制的研發經驗,獲得多項自動駕駛專利,并發表多篇機器人、自動駕駛論文。
PART.02
項目實踐
![]()
![]()
項目實踐案例:
車輛軌跡跟蹤LQR算法
PART.03
課程收獲
![]()
1.了解自動駕駛的規劃控制在整個自動駕駛中的作用;
2.學會如何建立車輛幾何模型、車輛運動學模型以及車輛動力學模型,如何對一些重要的參數進行辨識;
3.學會設計多種控制器( PID, LQR, MPC )去解決自動駕駛中的控制問題,提升車輛的軌跡追蹤、自適應巡航等的性能;
4.學會如何通過 有限狀態機( Finite-state machine ) 在動態環境下規劃出一條避開障礙物并符合車輛動力學的路徑,如何在復雜環境下做出合理決策等。
5.掌握規劃領域的 Dijkstra,A* 等路徑規劃的方法,運動規劃的方法以及在不確定性條件下的規劃問題。
本課程從基礎的車輛物理模型出發,通過對不同場景及應用下車輛模型的分析,詳細闡述車輛控制學及路徑規劃的知識體系。通過將理論與實際車輛規劃控制中的問題相結合,從而讓大家達到融會貫通的效果。
PART.04
課程大綱
![]()
![]()
PART.05
適合人群
![]()
1.希望從事自動駕駛規劃控制研發的在校學生,尤其是機械、電子電氣、計算機、自動化等專業的同學。
2.已經在從事自動駕駛規劃控制相關領域的研發工程師。
3.自動駕駛或者機器人企業中其他方向的研發工程師,以及系統工程師。
PART.06
搶占名額
![]()
掃碼添加,了解詳情
搶占學習名額
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.