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

DAgger交互式模仿学习驾驶工程

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=DAgger交互式模仿学习驾驶… · 核心概念 · 整体框架与实战路线图
课程导入DAgger
02
模仿学习基础
目标=行为克隆 · 逆强化学习 · 交互式模仿学习的基本定义
模仿学习基础目标=行为克隆
03
驾驶工程背景
目标=自动驾驶系统架构 · 感知决策控制模块 · 端到端驾驶与模块化驾驶的对比
驾驶工程背景目标=自动驾驶系…
04
DAgger算法原理
目标=数据集聚合 · 专家纠正 · 策略迭代
DAgger算法原理
05
DAgger与行为克隆对比
目标=分布偏移问题 · 复合误差 · 在线学习与离线学习的优劣分析
DAgger行为克隆对比
06
专家策略设计
目标=人类驾驶专家 · 规则专家 · 最优控制器
专家策略设计目标=人类驾驶专…
07
状态空间与动作空间
目标=车辆状态表示 · 环境感知输入 · 连续与离散动作空间设计
状态空间动作空间
08
驾驶仿真环境搭建
目标=CARLA · AirSim · SUMO
驾驶仿真环境搭建CARLA
09
数据采集与预处理
目标=传感器数据同步 · 轨迹对齐 · 数据增强
数据采集预处理
10
策略网络架构
目标=CNN · RNN · Transformer
策略网络架构CNN
11
DAgger训练流程
目标=初始化策略 · 滚动采集 · 专家标注
DAgger训练流程
12
损失函数与优化
目标=交叉熵 · MSE · KL散度
损失函数优化
13
交互式学习策略
目标=主动学习 · 不确定性采样 · 安全约束下的探索与利用平衡
交互式学习策略目标=主动学习
14
安全与鲁棒性
目标=安全层 · 风险敏感损失 · 对抗攻击防御
安全鲁棒性
15
仿真到现实迁移
目标=域随机化 · 域适应 · 系统辨识
仿真到现实迁移目标=域随机化
16
评估指标与基准
目标=成功率 · 碰撞率 · 舒适度
评估指标基准
17
案例实战一
目标=基于CARLA的DAgger车…
案例实战一CARLA
18
案例实战二
目标=城市道路场景下的DAgger交…
案例实战二DAgger
19
案例实战三
目标=多专家DAgger与人类反馈融…
案例实战三DAgger
20
常见问题与调试
目标=训练不稳定 · 专家数据偏差 · 过拟合
常见问题调试
21
工程化部署
目标=模型压缩 · 推理加速 · 实时性优化
工程化部署目标=模型压缩
22
数据管理与版本控制
目标=数据流水线 · 标注工具 · 数据集版本
数据管理版本控制
23
多模态与多任务学习
目标=视觉 · 激光雷达 · 毫米波雷达融合与联合驾驶任务学习
多模态多任务学习
24
强化学习与DAgger结合
目标=RLHF · 逆课程学习 · 混合专家与分层策略架构
DAgger强化学习
25
前沿进展
目标=扩散策略 · 世界模型 · 大语言模型驱动的驾驶决策与DAgge…
前沿进展目标=扩散策略
26
伦理与法规
目标=自动驾驶安全标准 · 责任归属 · 隐私保护
伦理法规
27
项目实战
目标=从零构建DAgger驾驶工程完… · 包括需求分析 · 设计
项目实战DAgger
28
性能优化与消融实验
目标=网络结构 · 数据量 · 专家质量
性能优化消融实验
29
综合提升
目标=多场景泛化 · 长尾问题 · 持续学习
综合提升目标=多场景泛化
30
课程总结与展望
目标=知识体系回顾 · 工程经验提炼 · 职业发展路径与未来研究方向
课程总结目标=知识体系回…