-
学习时长
八周/建议每周至少六小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
1万元YOGO Robot奖学金
- 第1章: 导论
- 1： 【课件】第一章课件
- 第1节: 课程介绍
- 2： 【视频】课程介绍
- 第2节: 运动规划方法分类
- 3： 【视频】运动规划方法分类
- 第3节: 常用地图结构
- 4： 【视频】常用地图结构
- 第4节: 实践作业
- 5： 【实践】实践演示
- 第2章: 基于搜索的路径规划
- 6： 【课件】基于搜索的路径规划
- 第1节: 图搜索基础
- 7： 【视频】图搜索基础(Graph Search Basis)
- 第2节: Dijkstra 和A*算法
- 8： 【视频】Dijkstra 和A*算法(Dijkstra and A*)
- 第3节: JPS算法
- 9： 【视频】JPS算法(Jump Point Search)
- 第4节: 实践作业
- 10： 【视频】实践演示
- 第3章: 基于采样的规划算法
- 11： 【课件】sampling based path finding
- 第1节: Feasible path planning methods
- 12： 【视频】 feasible path planning methods
- 第2节: Optimal Path Planning Methods
- 13： 【视频】Optimal Path Planning Methods
- 第3节: Accelerate Convergence
- 14： 【视频】Accelerate Convergence
- 第4节: 实践作业
- 第4章: 动力学约束下的运动规划
- 15： 【课件】第四章
- 第1节: 动力学概念介绍
- 16： 【视频】动力学概念简介(Introduction)
- 第2节: 状态栅格搜索算法
- 17： 【视频】状态栅格搜索算法(State Lattice Search)
- 第3节: 两点边界值最优控制问题
- 18： 【视频】两点边界值最优控制问题
- 第4节: 混合A*算法
- 19： 【视频】 混合A*算法(Hybrid A*)
- 第5节: 动力学约束RRT*算法
- 20： 【视频】动力学约束RRT*算法(Kinodynamic RRT*)
- 第6节: 实践作业
- 第5章: 最优轨迹生成
- 21： 【课件】Optimization-Based Trajectory Planning
- 第1节: preliminaries
- 22-1： 【视频】preliminaries of motion planning
- 22-2： 【视频】preliminaries of trajectory planning
- 第2节: multicopter dynamics and differential flatness
- 23-1： 【视频】multicopter dynamics and differential flatness
- 23-2： 【视频】flatness transformation
- 第3节: trajectory optimization for multicopters
- 24： 【视频】problem formulation of trajectory optimization
- 25-1： 【视频】unconstrained case：BVP
- 25-2： 【视频】unconstrained case：BIVP
- 26-1： 【视频】 constrained case：convex simplification
- 26-2： 【视频】issues of convex simplification
- 26-3： 【视频】 constrained case：spatial-temporal deformation
- 第4节: 实践作业
- 第6章: 模型预测控制与运动规划
- 27： 【课件】MPC
- 第1节: reactive control & optimal control
- 28： 【视频】 reactive control & optimal control
- 第2节: Model Predictive Control (MPC)
- 29： 【视频】 Model Predictive Control (MPC)
- 第3节: linear MPC
- 30： 【视频】 linear MPC
- 第4节: others MPC methods
- 31： 【视频】others MPC methods
- 第5节: 实践作业
- 32： 【代码】作业实践框架讲解
- 第7章: 集群机器人运动规划
- 33： 【课件】集群机器人运动规划
- 第1节: Multi-Agent Path Finding
- 34-1： 【视频】rule-based and search-based suboptimal solvers
- 34-2： 【视频】CBS and Enhanced CBS
- 第2节: VO类多机避障算法
- 35： 【视频】Velocity Obstacle
- 第3节: 集群机器人编队算法
- 36： 【视频】Flocking model
- 第4节: 分布式集群规划
- 37： 【视频】 Trajectory Planning for Swarms
- 第5节: Formation
- 38： 【视频】Formation
- 第8章: 移动机器人局部规划：经典框架及案例
- 第1节: Fast-planner算法原理与代码讲解
- 39-1： 【课件】 Fast Planner前端
- 39-2： 【视频】Fast Planner前端模块
- 40-1： 【课件】Fast Planner后端
- 40-2： 【视频】Fast Planner后端：B样条引入
- 40-3： 【视频】Fast Planner后端：B样条
- 40-4： 【视频】轨迹优化与时间重分配
- 41： 【视频】代码框架解读
- 第2节: Ego-planner算法原理及代码讲解
- 42-1： 【课件】 Ego-Planner
- 42-2： 【视频】Ego-Planner
- 42-3： 【视频】代码框架解读
- 第3节: Occupancy Grid Map
- 43-1： 【课件】Map
- 43-2： 【视频】Occupancy Grid Map
- 第4节: Euclidean Signed Distance Field
- 44： 【视频】Euclidean Signed Distance Functions Map
- 第9章: Project
- 45： 【视频】实践项目讲解
官方微信公众号
