課程鏈接：http://bit.baidu.com/Course/detail/id/294.html
講師：樊昊陽 百度Apollo研發工程師
說明：因個人工作方向變更的原因，該系列學習筆記不再更新，如有影響還請抱歉
接下來的幾節課內容，講解關於運動規劃的知識。老師也很可愛，思路挺流暢。
運動規劃部分的內容分爲：
- 基本介紹（也就是這一節）
- Robotics基本知識以及和運動規劃的關係
- 怎麼處理信息
- 算法核心，最優解問題
- EM Planning
- 發展方向，數據驅動方面
基本運動規劃
motion planning，即運動規劃，規劃的本質是搜索問題，也就是求某個目標函數的最優解的問題。對於無人車來說就是求無人車運動的最優解問題。
簡單化
首先將問題簡單化：就是一個Path finding問題，搜索最優路徑。
比較經典的算法：深度優先、廣度優先算法，他們的問題是沒有利用目標位置，運算量會相對較大；
還有A算法，問題是它是全局搜索，需要知道全局信息，通常作爲全局優化算法。
現在很多算法依然是基於最初A的思路衍生出來的。
無人車算法的區別
無人車算法相對於這個簡單問題來說，有一些更爲複雜的問題，比如：
- 無人車是部分觀察系統，只能獲得當前位置附近的信息；
- 無人車所在環境的障礙物是在時刻變化的，而且障礙物有速度屬性，不能當做靜止物體處理。
從而，A*算法就不適合了。
這時就引出了局部規劃，incremental search，算法求解局部最優解或相對好的解，比如D*用於月球車（還是火星車？），就是局部路徑規劃算法。
無人車的規劃問題是部分關心全局最優解的問題。
平滑
之前說的算法，都是把結果路徑按照折線表示，這樣對於實際無人車來說無法使用，離散化的算法結果不能直接用，需要平滑，平滑不只是要平滑路徑，還要平滑速度。
未解決的問題
- 環境是動態的，規劃模塊如何解動態環境下的最優解；
- 無人車上路要滿足交通規則，如何吧交通規則融合到算法中；
- 實時計算，要求規劃算法的實時性很高，通常在0.2-0.3s；
- 高精地圖在其中也起到很大的作用，先驗知識；
其他
- 無人車的5個模塊：定位、感知、預測、規劃、控制，都很重要。
- 軌跡不只是一條線，而是一條動態的線，這個動態的線包括了平滑後的速度，所以這個軌跡不叫trace，而是叫trajectory，包括平滑路徑和平滑速度。
- 不要因爲用算法而用算法，而是要從問題出發，先知道要解決什麼問題，然後思考能不能用算法解決。
參考文獻
- 書籍：Motion Planning Algorithms
- 書籍：Principles of Robot Motion: Theory, Algorithms and Implementations
- 論文：A Review of Motion: Planning Techniques for Automated Vehicles
（做筆記沒有記全，作者也沒記，大概是這個名字，應該不會有重名）