VIP10
本课程属于：087-强化学习驾驶决策与控制工程 智能汽车与新能源汽车工程 · 共 10 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

自动驾驶安全强化学习与约束控制工程

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=自动驾驶安全强化学习与约束控制… · 核心概念 · 整体知识框架与工程实践路线
课程导入目标=自动驾驶安…
02
自动驾驶基础
目标=自动驾驶分级 · 系统架构 · 感知决策规划控制模块
自动驾驶基础目标=自动驾驶分…
03
强化学习入门
目标=马尔可夫决策过程 · 值函数 · 策略梯度
强化学习入门目标=马尔可夫决…
04
安全强化学习概述
目标=安全定义 · 安全约束类型 · 安全强化学习分类
安全强化学习概述目标=安全定义
05
约束控制基础
目标=约束优化 · 模型预测控制 · 控制障碍函数
约束控制基础目标=约束优化
06
约束马尔可夫决策过程
目标=CMDP形式化 · 约束回报 · 拉格朗日方法
约束马尔可夫决策…CMDP
07
安全强化学习核心算法
目标=CPO · RCPO · PPO-Lagrangian
安全强化学习核心…CPO
08
约束控制方法
目标=控制障碍函数 · 安全滤波器 · 模型预测控制与强化学习的结合方式
约束控制方法目标=控制障碍函…
09
自动驾驶中的安全约束建模
目标=碰撞避免 · 车道保持 · 交通规则
自动驾驶安全约束建模
10
仿真环境与基准测试
目标=CARLA · SUMO · Highway-env
仿真环境基准测试
11
感知与状态表示
目标=传感器融合 · 鸟瞰图表示 · 占用栅格
感知状态表示
12
决策规划中的强化学习
目标=行为决策 · 路径规划 · 运动规划的分层架构与安全强化学习应用
决策规划强化学习
13
控制层安全强化学习
目标=底层控制 · 轨迹跟踪 · 执行器约束与安全控制策略学习
控制层安全强化学…目标=底层控制
14
多智能体安全强化学习
目标=交互博弈 · 协同驾驶 · 混合交通流中的安全约束与均衡求解
多智能体安全强化…目标=交互博弈
15
基于模型的 safe RL
目标=学习环境模型 · 模型预测控制与强化学习结合 · 不确定性处理与安全保证
safeRL
16
无模型 safe RL
目标=在线学习 · 离线学习 · 离线到在线迁移中的安全约束与样本效率…
safeRL
17
安全探索与利用
目标=安全探索策略 · 保守探索 · 风险敏感强化学习
安全探索利用
18
形式化验证与安全保证
目标=可达性分析 · 不变集计算 · 形式化方法在自动驾驶安全强化学习中的…
形式化验证安全保证
19
鲁棒性与对抗安全
目标=对抗攻击 · 传感器噪声 · 环境不确定性下的鲁棒安全强化学习与约…
鲁棒性对抗安全
20
案例实战一
目标=高速公路自动驾驶车道保持与自适…
案例实战一目标=高速公路自…
21
案例实战二
目标=城市交叉口无保护左转的约束控制…
案例实战二目标=城市交叉口…
22
案例实战三
目标=行人避让与紧急制动中的安全滤波…
案例实战三目标=行人避让
23
案例实战四
目标=多车协同换道与合流场景的多智能…
案例实战四目标=多车协同换…
24
工程部署与实时性
目标=模型压缩 · 推理加速 · 嵌入式平台部署
工程部署实时性
25
常见问题与调试
目标=训练不稳定 · 约束违反 · 奖励设计
常见问题调试
26
安全评估与测试
目标=安全指标 · 场景生成 · 覆盖率
安全评估测试
27
前沿进展
目标=大语言模型与自动驾驶安全 · 世界模型 · 扩散策略
前沿进展目标=大语言模型
28
伦理与法规
目标=自动驾驶安全标准 · 责任归属 · 伦理决策
伦理法规
29
综合项目
目标=从需求分析 · 安全约束设计 · 算法选型
综合项目目标=从需求分析
30
课程总结与提升
目标=知识体系回顾 · 工程能力自评 · 进阶学习资源
课程总结提升