일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- solver
- CUDA
- 강화학습
- PathPlanning
- C
- Graph Neural Network
- self driving car
- MDP
- CPP
- OSQP
- 소프티어
- 동적라이브러리
- 선형대수
- autonomous vehicle
- 백준
- Hybrid A star
- 수치최적화
- 경로생성
- Recursion
- Dubins Path
- GNN
- C++
- Leetcode
- path planning
- DynamicProgramming
- 정적라이브러리
- Motion Planning
- Frenet Coordinate
- 공유라이브러리
- GIT
- Today
- Total
목록개념공부 (91)
Swimmer
주 언어가 C 다 보니, 코드 문제 풀이 사이트에서 자료구조가 필요할때 마다 직접 짜넣는게 매우 귀찮았다. C++이나 Python의 경우 기본적으로 자료구조가 구현되어 있다보니 부러운적이 많았다. (연산 시간 면에서는 C로 그냥 짜는게 훨 낫지만 말이다.) 본격 C++을 써야할 일이 생겨서, 공부하는 중에 Vector Container를 보고 무릎을 탁 쳤다. 진짜 편해서.. 오늘은 Vector Container에 대해 정리해보자. 1) vector Container 배열 + Stack 자료 구조가 합쳐진 역할을 수행한다. v.front(), v.back(), v.begin() 등 다양한 멤버함수가 존재한다. 2) vector 사용 헤더 파일을 추가해야 함 선언 방식 vector 변수 이름 ex) vec..
This contents is referenced from here : (https://en.cppreference.com/w/c/algorithm/qsort) There is default qsort() function in c and cpp basic library. If you don't have good function for sorting, qsort is great alternatives. qsort - Sorts elements of given array point in ascending order void qsort(void *ptr, size_t count, size_t size, int (*comp)(const void *, const void *) ); parameters ptr - ..
전통적인 강화학습은 특정 환경에서 Agent가 Action을 선택하고 Reward를 얻는 에피소드를 반복해가며 최적의 정책을 학습하는 것이다. 전통 강화학습 기법은 학습 초기 네트워크의 학습이 효과적으로 이루어지지 못하는 문제가 있다. 이로 인해 에피소드가 수천~수만번 수행되면서 학습 시간이 많이 소요된다. 특히, 데이터를 쌓아두고 네트워크를 학습하는 일반 딥러닝과 비교했을 때 소요되는 시간 차이가 굉장히 크다. 이를 개선하기 위해 Offline Reinforcement Learning 방식이 제안되고 있다. 이는 데이터를 구축한 후 네트워크를 초기 학습한다. 그리고 어느정도 학습 네트워크를 시뮬레이션 / 실제 환경에서 강화학습을 진행한다. 즉, 데이터로 네트워크를 어느정도 학습한 후, fine-tuni..
Pini, Stefano, et al. "Safe Real-World Autonomous Driving by Learning to Predict and Plan with a Mixture of Experts." arXiv preprint arXiv:2211.02131 (2022). 요약 자율주행을 위한 Imitation Learning 기반의 Motion Planning 기법을 설명한다. Woven Planet (Toyota 자율주행 부분) 연구진들이 발표한 논문으로 SafetyNet[1] 논문의 후속 연구이다. Machine Learning 기반 궤적 Planner의 Collision Safety를 확보하기 위한 방법을 제안한다. SafetyNet의 단점을 보완한 방법 문제 정의 전통적인 rule ba..