首页
›
智能汽车与新能源汽车工程
›
086-模仿学习与行为克隆驾驶工程
›
《端到端自动驾驶模仿学习实战100例》
VIP9
本课程属于：086-模仿学习与行为克隆驾驶工程
智能汽车与新能源汽车工程 · 共 9 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《端到端自动驾驶模仿学习实战100例》
共 100 例
01
数据采集与预处理
02
图像增强与数据扩充
03
构建数据加载器
04
基于CNN的转向角预测
05
基于CNN的速度预测
06
端到端控制信号预测
07
使用预训练模型进行迁移学习
08
数据归一化与标准化
09
训练过程中的数据增强
10
模型评估指标
11
模型可视化与可解释性
12
处理类别不平衡
13
使用LSTM处理时序信息
14
基于Transformer的驾驶模型
15
多任务学习
16
注意力机制的应用
17
模型压缩与量化
18
知识蒸馏
19
强化学习与模仿学习结合
20
生成对抗模仿学习
21
逆强化学习
22
行为克隆与DAgger算法
23
驾驶策略的闭环评估
24
车道保持实战
25
弯道行驶策略
26
避障与紧急制动
27
交通信号灯识别与响应
28
停车标志识别与停车
29
行人检测与避让
30
变道决策
31
交叉路口处理
32
恶劣天气下的驾驶
33
夜间驾驶
34
传感器融合
35
多摄像头输入
36
深度估计辅助驾驶
37
语义分割辅助驾驶
38
目标检测与跟踪
39
路径规划与跟踪
40
基于模型的预测控制
41
端到端自动驾驶的仿真平台搭建
42
真实世界数据采集
43
数据标注工具开发
44
数据清洗与异常检测
45
数据划分策略
46
模型超参数调优
47
正则化技术
48
学习率调度
49
模型集成
50
不确定性估计
51
对抗攻击与防御
52
模型在嵌入式设备上的部署
53
实时推理优化
54
端到端系统的硬件在环测试
55
驾驶风格模仿
56
多模态数据融合
57
基于鸟瞰图的驾驶模型
58
基于点云的驾驶模型
59
基于雷达的驾驶模型
60
基于事件相机的驾驶
61
基于热成像的夜间驾驶
62
基于GPS和IMU的辅助
63
高精地图辅助
64
V2X通信辅助
65
端到端驾驶的强化学习预训练
66
模仿学习中的奖励设计
67
驾驶策略的鲁棒性测试
68
模型在未知场景下的泛化
69
驾驶模型的可解释性分析
70
安全关键场景的生成
71
驾驶模型的故障检测
72
端到端驾驶的仿真到现实迁移
73
基于元学习的快速适应
74
基于图神经网络的交互预测
75
基于Transformer的轨迹预测
76
端到端驾驶中的行为规划
77
基于模型的强化学习
78
无模型强化学习
79
模仿学习与强化学习的混合
80
基于演示的强化学习
81
驾驶策略的在线学习
82
驾驶模型的持续学习
83
基于自监督学习的预训练
84
基于对比学习的表征学习
85
基于生成模型的仿真数据扩充
86
基于神经辐射场的场景重建
87
驾驶视频预测
88
基于光流的运动分析
89
基于深度学习的车道线检测
90
基于深度学习的可行驶区域分割
91
基于深度学习的交通标志识别
92
基于深度学习的驾驶员状态监测
93
基于深度学习的车辆控制
94
基于深度学习的自动泊车
95
基于深度学习的编队行驶
96
基于深度学习的超车决策
97
基于深度学习的环岛通行
98
基于深度学习的施工区域通行
99
基于深度学习的紧急车辆避让
100
基于深度学习的恶劣天气下的传感器融合
所属VIP或分类
同VIP：DAgger交互式模仿学习驾驶工程
同VIP：条件模仿学习与多模态驾驶工程
同VIP：模仿学习与强化学习规划控制工程