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 |
- self driving car
- GIT
- 공유라이브러리
- Recursion
- solver
- autonomous vehicle
- path planning
- 강화학습
- 수치최적화
- OSQP
- 동적라이브러리
- C++
- Leetcode
- 선형대수
- CUDA
- DynamicProgramming
- Dubins Path
- Frenet Coordinate
- 경로생성
- 백준
- Hybrid A star
- CPP
- MDP
- Motion Planning
- Graph Neural Network
- C
- 정적라이브러리
- 소프티어
- PathPlanning
- GNN
- Today
- Total
목록개념공부 (91)
Swimmer
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/5vNPj/btrQ89Z15Gx/Zm7HV1ZrhpkHZmlQLTk3A1/img.png)
논문 : Cui, Henggang, et al. "Deep kinematic models for kinematically feasible vehicle trajectory predictions." 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. 요약 본 논문은 딥러닝 기반의 주행 객체 궤적을 예측하는 방법을 제시한다. 주행 객체 궤적 예측 시, 차량의 Kinematics를 encode하는 방법을 제안한다. 제안 방법은 어떤 딥 러닝 아키텍처에도 적용할 수 있는 General한 방법이다. 관련 연구 클래식 Motion 예측 방법 주행 객체의 Kinematics를 바탕으로 인지 시점의 객체의 Control in..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/446yt/btrQYO3yexH/Prx0R7H5WqzC4A0ZKZGw61/img.png)
참조 : https://medium.com/dair-ai/an-illustrated-guide-to-graph-neural-networks-d5564a551783 Graph 그래프는 노드 (node, vertex)와 엣지 (edge)로 구성되는 자료 구조 입니다. 그래프는 각 노드가 엣지로 연결되어 있고, 시작지점과 끝지점이 없는 정보를 표현하는데 적합한 자료 구조 입니다. 엣지는 노드 간 관계를 표현합니다. 엣지는 방향을 가지는데, 단방향일 수 있고 양방향일 수 있습니다. 공부할 것 : recurrent unit, embedding vector representation, feed forward neural network Graph Neural Network 그래프의 각 노드는 특정 속성을 나타내는 값..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/dBWyZS/btrQsDG3RER/SNLsIemBkVaYBn5kwLp2RK/img.gif)
Paper : Gao, Jiyang, et al. "Vectornet: Encoding hd maps and agent dynamics from vectorized representation." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020. Website : https://blog.waymo.com/2020/05/vectornet.html 요약 자율주행 차량의 Motion Planning을 위한 주변 Agent의 Behavior prediction에 사용 가능한 뉴럴 네트워크 아키텍처 제안 도로 상황을 Rasterized Image (2D or 3D)가 아닌 Vector 형태로 표현해 뉴럴 넷..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cyY9xn/btrQkC9FDhX/6duXvGN1r0lMPUIqdewTN1/img.png)
Paper: Vitelli, Matt, et al. "Safetynet: Safe planning for real-world self-driving vehicles using machine-learned policies." 2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022. Website: https://www.self-driving-cars.org/papers/2022-safetynet 요약 자율주행을 위한 Imitation Learning 기반의 Motion Planning 기법을 설명한다. Machine Learning planner와 rule-based fallback path planning layer가 합쳐진..