관심있는것들

1. NVIDIA end to end approach 케마라 input과 steering output 사이에 CNN network가 존재해서 72시간 의 전문가의 주행을 통한 학습을 하였다. CNN 에서 어디가 active 한지 확인해 볼 수 있었다. 기존에 내가 배운것은 opencv로 처리해서 edge를 얻는 것인데 CNN이 자동으로 어디를 주목해야하는지 알아낸다. 2. ChauffeurNet (Waymo) end to end 와 달리 mid to mid 방식이다. 네트워크의 아웃풋이 비교적 해설이 수월해진다. perception에서 프로세싱을 거친 것을 input으로 넣어준다. 같은 백본 Feature Net을 통해서 자신의 주행 예측 뿐만 아니라 주변의 다른 차량들의 예측도 같이 했습니다. 1. C..

기존에는 rule based logic 들이 많았는데 이 논문은 driving strategy 를 먼저 구한후에 trajectory planning 을 통해서 실제로 자동차들이 따라가야하는 구체적인 path를 알아낸다. driving strategy 를 정할떄 이미 path 가 정해져있고 어떤 속도 , 가속도 로 움직여야하는지 를 정하는 것을 주행 전략을 새운다고 한다. 오른쪽 그림을 보면 obstacle 앞에 정지 해야함으로 점점 가속도를 줄이는 action 을 택하는 것을 확인 할 수 있다. 위의 cost for collision 을 정할떄 쓰이는 E는 static , dynamic 2개로 나뉘어진다. static 은 일정위치에서 일정시간동안 점유하는 것 , dynamic 은 변하는 위치 s(t) 에..

Frenet Frame Figure (A) 은 Cartesian frame을 Figure (B)는 Frenet frame 을 표현 도로 형상의 방향으로 s-axis 가 도로와 수직방향으로 d-axis가 펼쳐져서 작관적이고 편리하다. 종방향, 횡방향, 속도를 각가 다른 polynomial 을 적용해서 풀어야 한다. 각각 다른 경로를 생성한다. 각기 다른 경로들을 합쳐야한다. Long 의 갯수와 lateral 의 갯수의 곱 만큼 경로를 뽑아내고 그중에 가장 조건에 알맞은 trajectory를 선택한다. 위에 언급한 조건들이다. 이것들을 만족하는 것들중 최적화된 path를 골라 내야한다. 횡방향 cost , 종방향 cost , 경로의 cosistency cost를 최소로 하는 최적화 문제를 풀어줘야 한다. 사..

1. 다익스트라 알고리즘 2. A star algortihm 다익스트라 알고리즘에서 휴리스틱한 cost를 추가한것이다. 3. Weighted A star 알고리즘은 휴리스틱한 cost가 더 큰 알고리즘 , 휴리스틱 cost를 추가하는 이유는 좀더 빠르게 목적지 까지 path를 search 하기 위함임 빠른만큼 optimal path를 보장 할 수 없다. trade off 가 있다. 4. RRT Algorithm 아래의 과정을 목적지를 찾을떄까지 반복을 한다. 하지만 랜덤노드가 목적지에 떨어질 확률은 현저히 적기 떄문에 그 근처에 랜덤노드가 정해져서 패스를 찾게 되어도 종료하게 된다. 일종의 threshold 를 결정해줘야한다. 5. RRT star Algorithm 기존의 RRT와는 다르게 트리내의 노드..

기본적으로 여러 정보를 바탕으로 미래에는 어떤 input sequence 를 가져야 reference path 에 도달 할 수 있는지 알려준다. 한번 만 하는게 아니라 반복적으로 조금씩 해내 나가는 것이다. 기존의 것들은 frequency domain 이었지만 MPC의 경우는 매 시간 term 마다 optimization problem 을 푸는 방식임으로 time domain이다. 기존의 PID Controller로 multiple input output system을 구축 하려면 서로의 input 과 output이 영향을 받는 경우가 있기때문에 구현 하기 힘들다. MPC controller는 그것들을 간소화 시켜서 해결해준다. acado toolkit 을 이용한 실습 1. git clone https:..

PID Kalman Filter

오른손 법칙을 따라서 하는것이 국룰이다. Plant == physical system that we want to behave in a certain manner. Position, Orientation , velocities form the states of the car (input). other things like car's mass , wheel diameter are parameter. Observer == Observers are used to convert meausrement into state estimates. how to best estimate the speed of car given the measurements of the rotational speed of the wheel...