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

自动驾驶模仿学习数据工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=自动驾驶模仿学习数据工程的学习… · 核心概念 · 整体框架与学习路径
课程导入目标=自动驾驶模…
02
自动驾驶与模仿学习基础
目标=自动驾驶分级 · 感知决策规划控制模块 · 模仿学习定义
自动驾驶模仿学习基础
03
数据工程在模仿学习中的角色
目标=数据闭环 · 数据飞轮 · 数据质量对策略性能的影响
数据工程模仿学习
04
数据采集基础
目标=传感器类型（摄像头 · 激光雷达 · 毫米波雷达
数据采集基础目标=传感器类型
05
驾驶数据采集策略
目标=场景覆盖 · 长尾场景 · 边缘案例
驾驶数据采集策略目标=场景覆盖
06
数据标注基础
目标=标注类型（2D/3D框 · 语义分割 · 车道线
数据标注基础D/3D
07
模仿学习中的轨迹标注
目标=轨迹表示 · 坐标系转换 · 轨迹平滑
模仿学习轨迹标注
08
数据预处理
目标=去噪 · 滤波 · 降采样
数据预处理目标=去噪
09
数据同步与对齐
目标=时间戳对齐 · 空间对齐 · 多传感器融合中的数据同步挑战与解决方…
数据同步对齐
10
数据清洗与质量评估
目标=异常检测 · 缺失值处理 · 重复数据去除
数据清洗质量评估
11
数据增强技术
目标=图像增强 · 轨迹扰动 · 场景合成
数据增强技术目标=图像增强
12
数据集构建与管理
目标=数据集划分 · 版本控制 · 元数据管理
数据集构建管理
13
模仿学习算法与数据需求
目标=行为克隆 · DAgger · 逆强化学习
模仿学习算法数据需求
14
数据不平衡与长尾问题
目标=类别不平衡 · 场景不平衡 · 重采样
数据不平衡长尾问题
15
仿真数据与真实数据融合
目标=仿真平台（CARLA · LGSVL） · 域随机化
仿真数据真实数据融合
16
数据隐私与安全
目标=脱敏 · 匿名化 · 合规要求
数据隐私安全
17
数据标注质量管理
目标=标注一致性 · 交叉验证 · 质量评估指标
数据标注质量管理目标=标注一致性
18
数据流水线工程
目标=ETL流程 · 分布式处理 · Apache Spark
数据流水线工程ETL
19
实战案例一
目标=城市道路行为克隆数据工程 · 采集 · 标注
实战案例一目标=城市道路行…
20
实战案例二
目标=高速公路车道保持模仿学习数据工… · 轨迹标注 · 增强与模型训练
实战案例二目标=高速公路车…
21
实战案例三
目标=泊车场景模仿学习数据工程 · 标注难点 · 数据增强与评估
实战案例三目标=泊车场景模…
22
常见问题与解决方案
目标=数据不足 · 标注噪声 · 过拟合
常见问题解决方案
23
数据驱动闭环迭代
目标=模型评估 · 失败案例挖掘 · 数据回采
数据驱动闭环迭代目标=模型评估
24
工具与框架
目标=ROS · Apollo · Autoware
工具框架
25
数据工程中的伦理与法律
目标=责任归属 · 数据合规 · 伦理考量
数据工程伦理
26
综合项目一
目标=构建端到端模仿学习数据流水线
综合项目一目标=构建端到端…
27
综合项目二
目标=长尾场景数据挖掘与增强
综合项目二目标=长尾场景数…
28
综合项目三
目标=多传感器融合数据工程
综合项目三目标=多传感器融…
29
前沿趋势与进阶方向
目标=自监督学习 · 世界模型 · 基础模型
前沿趋势进阶方向
30
课程总结与职业发展
目标=知识体系回顾 · 技能图谱 · 职业路径
课程总结职业发展