所属分类：车载智能与自动驾驶 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

端到端自动驾驶神经网络与感知控制

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
端到端自动驾驶的定义 · 发展历程 · 与传统模块化方法的对比
课程导入端到端自动驾驶的…
02
自动驾驶基础
传感器（相机 · 激光雷达 · 毫米波雷达）原理
自动驾驶基础传感器
03
深度学习基础
卷积神经网络（CNN） · 循环神经网络（RNN） · Transformer
深度学习基础CNN
04
端到端驾驶范式
从感知到控制的直接映射 · 行为克隆 · 强化学习
端到端驾驶范式从感知到控制的直…
05
感知模块
目标检测（YOLO · Faster R-CNN） · 语义分割（DeepLab
感知模块YOLO
06
多传感器融合
相机-激光雷达融合 · 相机-毫米波融合 · 时间同步
多传感器融合相机
07
鸟瞰图（BEV）表示
BEV网格生成 · LSS（Lift-Splat-Sho… · BEVFormer
BEV鸟瞰图
08
时序建模
循环神经网络 · LSTM/GRU · 3D卷积
时序建模循环神经网络
09
决策与规划
路径规划（A* · RRT） · 轨迹优化（MPC
决策规划
10
控制理论
PID · LQR · MPC
控制理论PID
11
端到端模型架构
经典架构（NVIDIA DAVE-2 · PilotNet） · 条件模仿学习（CIL）
端到端模型架构NVIDIA
12
感知-控制联合训练
多任务学习 · 共享特征 · 梯度协调
感知控制联合训练
13
强化学习在端到端驾驶中的应用
马尔可夫决策过程（MDP） · PPO · SAC
强化学习端到端驾驶
14
模仿学习与行为克隆
数据收集 · 专家演示 · DAgger算法
模仿学习行为克隆
15
世界模型与预测
基于模型的强化学习 · 隐空间世界模型 · 未来状态预测
世界模型预测
16
数据集与仿真环境
CARLA · SUMO · AirSim
数据集仿真环境
17
模型训练与优化
分布式训练 · 混合精度 · 梯度累积
模型训练优化
18
模型评估与验证
离线评估指标（碰撞率 · 偏离率 · 舒适度）
模型评估验证
19
安全性与鲁棒性
对抗攻击 · 域偏移 · 极端天气
安全性鲁棒性
20
可解释性与可视化
注意力图 · 特征可视化 · 因果分析
可解释性可视化
21
端到端驾驶的挑战与局限
数据效率 · 长尾场景 · 因果混淆
端到端驾驶的挑战局限
22
案例实战
基于CARLA的端到端驾驶模型训练（… · 模型搭建 · 训练
案例实战CARLA
23
案例实战
使用nuScenes数据集进行BEV… · 模型实现 · 结果分析）
案例实战nuScenes
24
案例实战
基于模仿学习的自动驾驶控制（使用DA… · 仿真环境交互 · 性能对比）
案例实战DA
25
案例实战
强化学习在自动驾驶决策中的应用（环境… · 奖励设计 · PPO训练
案例实战强化学习
26
常见问题与调试
训练不收敛 · 过拟合 · 梯度消失/爆炸
常见问题调试
27
工程化部署
模型压缩（剪枝 · 量化） · TensorRT/ONNX
工程化部署模型压缩
28
前沿进展
Tesla FSD · Waymo Driver · 华为ADS
前沿进展Tesla
29
综合项目
设计一个完整的端到端自动驾驶系统（从… · 架构设计 · 模型训练到仿真验证）
综合项目设计一个完整的端…
30
课程总结与展望
知识体系回顾 · 行业趋势 · 职业发展建议
课程总结知识体系回顾