Bienvenue à Motion Planning for Self-Driving Cars, le quatrième cours de la Specialization Self-Driving Cars de l'Université de Toronto. Ce cours vous présentera les principales tâches de planification dans la conduite autonome, y compris la planification de la mission, la planification du comportement et la planification locale. À la fin de ce cours, vous serez en mesure de trouver le chemin le plus court sur un graphe ou un réseau routier en utilisant l'algorithme de Dijkstra et l'algorithme A*, d'utiliser des machines à états finis pour sélectionner des comportements sûrs à exécuter, et de concevoir des chemins et des profils de vitesse optimaux et lisses pour naviguer en toute sécurité autour des obstacles tout en respectant le code de la route. Vous construirez également des cartes de grille d'occupation des éléments statiques de l'environnement et apprendrez à les utiliser pour un contrôle efficace des collisions. Pour le projet final de ce cours, vous implémenterez un planificateur de mouvement hiérarchique pour naviguer à travers une séquence de scénarios dans le simulateur CARLA, y compris l'évitement d'un véhicule garé dans votre voie, le suivi d'un véhicule de tête et la navigation en toute sécurité dans une intersection. Vous serez confronté au hasard du monde réel et devrez vous assurer que votre solution est robuste aux changements de l'environnement. Il s'agit d'un cours intermédiaire, destiné aux apprenants ayant une certaine expérience en robotique, et il s'appuie sur les modèles et les contrôleurs conçus dans le cours 1 de cette spécialisation. Pour réussir ce cours, vous devez avoir une expérience de la programmation en Python 3.0 et une bonne connaissance de l'algèbre linéaire (matrices, vecteurs, multiplication de matrices, rang, valeurs et vecteurs propres et inverses) et du calcul (équations différentielles ordinaires, intégration).
Planification des mouvements pour les voitures auto-conduites
Ce cours fait partie de Spécialisation Voitures auto-conduites
Instructeurs : Steven Waslander
39 593 déjà inscrits
Inclus avec
(461 avis)
Détails à connaître
Ajouter à votre profil LinkedIn
5 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 8 modules dans ce cours
Ce module présente le cours de planification de mouvements, ainsi que des documents supplémentaires.
Inclus
4 vidéos3 lectures1 sujet de discussion
Ce module présente la richesse et les défis du problème de la planification de mouvement pour la conduite autonome, en démontrant un exemple de travail qui sera développé tout au long de ce cours. L'accent sera mis sur la définition des principaux scénarios rencontrés dans la conduite, les types de fonctions de perte et les contraintes qui affectent la planification, ainsi qu'une décomposition commune du problème de planification en sous-problèmes de planification du comportement et de la trajectoire. Ce module introduit une formulation générique et hiérarchique d'optimisation de la planification de mouvement qui est développée et mise en œuvre dans les modules suivants
Inclus
4 vidéos1 lecture1 devoir
La grille d'occupation est une discrétisation de l'espace en cellules de taille fixe, dont chacune contient une probabilité d'occupation. Il s'agit d'une structure de données de base utilisée dans toute la robotique et d'une alternative au stockage de nuages de points complets. Ce module présente la grille d'occupation et passe en revue les exigences en matière d'espace et de calcul de la structure de données. Dans de nombreux cas, une grille d'occupation 2D est suffisante ; les apprenants examineront les moyens de compresser et de filtrer efficacement les scans LIDAR 3D pour former des cartes 2D
Inclus
5 vidéos1 lecture1 devoir de programmation1 laboratoire non noté
Ce module développe les concepts de la recherche du plus court chemin sur les graphes afin de trouver une séquence de segments de route dans une carte routière qui permettra à un véhicule de naviguer d'un emplacement actuel à une destination. Le module couvre la définition d'un graphe routier avec des segments de route, des intersections et des temps de parcours, et présente la recherche de Dijkstra et de A* pour l'identification du chemin le plus court à travers le réseau routier.
Inclus
3 vidéos1 lecture1 devoir1 laboratoire non noté
Ce module introduit les obstacles dynamiques dans le problème de la planification du comportement et présente aux apprenants les outils permettant d'évaluer le temps de collision des véhicules et des piétons dans l'environnement.
Inclus
3 vidéos1 lecture1 devoir
Ce module développe un système de planification du comportement basé sur des règles de base, qui prend des décisions de haut niveau sur les comportements de conduite tels que les changements de voie, le dépassement de voitures garées et la progression dans les intersections. Le module définit un ensemble cohérent de règles qui sont évaluées pour sélectionner les comportements préférés du véhicule qui limitent l'ensemble des trajectoires possibles et des profils de vitesse à explorer dans la planification de niveau inférieur.
Inclus
5 vidéos1 lecture1 devoir
Un planificateur réactif utilise les informations locales disponibles dans l'empreinte d'un capteur et un objectif global défini dans un cadre de coordonnées cartographiques pour identifier une trajectoire localement réalisable à suivre, sans collision et qui progresse vers un objectif. Dans ce module, les apprenants développeront un planificateur de déploiement de trajectoire et de fenêtre dynamique, qui permet de trouver un chemin dans des environnements 2D statiques arbitraires. Les limites de l'approche pour une véritable conduite autonome seront également discutées
Inclus
4 vidéos1 lecture1 devoir
Les courbes paramétrées sont largement utilisées pour définir des trajectoires dans l'environnement pour la conduite autonome. Ce module présente l'optimisation des trajectoires en courbe continue comme un problème de valeur limite en deux points qui minimise l'écart par rapport à une trajectoire souhaitée tout en satisfaisant les contraintes de courbure.
Inclus
9 vidéos2 lectures1 devoir de programmation
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Développement de logiciels
University of Toronto
University of Toronto
University of Toronto
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 461
461 avis
- 5 stars
84,16 %
- 4 stars
12,14 %
- 3 stars
1,73 %
- 2 stars
1,08 %
- 1 star
0,86 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.