前言唠一唠：MPhil 研究型硕士第一年(HKUST)，导师方向 无人驾驶 所以就大方向早早确定 中方向自己很想做： Self-Driving End-to-End 端到端的输入输出，但是和师兄聊天得知这个领域很难在现实中实现（毕竟这种无知内部的输出开车撞人了咋办） 但是还是想先闯一番，独自一人探索中，那么第一步就开始了 -> 文献综述 Literature review 这个系列可能不止一个方向，motion planning, fusion什么的可能都会仔细看一点 其中很多解释文字，可能不尽人意甚至是有误导，请各位大佬看的时候觉得不对的，留个言，我会定期改正自己的文字与想法（毕竟我说出来的都成我的认知了），从开始可能中英分开，中间中英夹杂可能部分人不适应，再到后面可能英文的解释越多（没办法毕竟后面写也得英文… 博客就当一遍写一遍理解练习？） 唠完了 那么走 更新：2021/1/28
因为传统的驾驶步骤应该是：！首先具备躲避能力，再次基础上搭传感器！【1.感知】然后就是去建图【2.建图】当你有了一幅地图，你才能开始导航 -> 做规划，这里分对于路径的规划与对于车辆的运动控制规划，路径的就是类似于寻路问题？运动控制就是这个路径上我怎么走，怎么沿着他走，怎么转弯？【3.路径规划】【4.控制规划】
然后在这个传统上我们已经能看见最明显的问题了，也就是这个路径上我怎么走，方向盘打多少？油门推多少？包括每一个动作可能也要单独设计，比如转弯 左转右转的大小，不同大小道的掉头，是不是也会导致掉头的参数不一致？
所以 end-to-end self-driving 萌生了！end-to-end是什么？端到端——也就是类似于用神经网络【这个词不高大上，在你听完吴恩达系列的时候 他只是一种解决问题的工具，还是那种最懒的 什么都让电脑自己学去吧，只要神经元够多，我就不怕，这也是为什么神经网络很早就提出了但是迟迟没有得到发展】打个比方——一张图，我要识别这是猫是狗？emm 对于我们人来说我们也是经过小时候才知道哦！这是狗，这是猫，没有啥难度，对电脑来说 它们是一堆数据，一堆像素点，像素点上有RGB三个的大小，端到端就类似于我去学，一大堆权重，0/1告诉我，这个像素点对于识别猫狗的准确率？【我感觉我没表达清 有点带偏了？】 好吧 我放弃了 大家转到3Blue1Brown的介绍好了 hhhh
那么接下来就是这咋用在自动驾驶呢？hhh 当你能识别猫狗的时候，假设一张图你识别的是左转右转操作（当然还有停车踩油门操作）是不是悟了，说着简单是因为我只引入了一个也就是图！假设传感器的输入就是一张图！例如89年CMU的这一篇： 从这里萌生——第零篇
[0] Pomerleau, Dean A. Alvinn: An autonomous land vehicle in a neural network[J]. Advances in neural information processing systems. 1989: 305-313.
实不相瞒，其实这是我本科毕业要翻译的论文，但是赶工期，所以基本google了，我尽量把摘要部分翻的 人能看懂的程度了： ALVINN（基于神经网络中的自动驾驶汽车）是专为道路跟踪任务而设计的3层反向传播网络，通过输入从摄像机和激光测距仪获取的图像，输出车辆应遵循的行驶方向来驾驶汽车。并且它能够使用模拟仿真道路图像进行训练。卡内基·梅隆大学设计的自主导航测试车上的测试表明，该系统在某些野外条件下能够精确地沿着真实道路行驶。此外，这种新的自适应异常的自主导航系统在每种不同条件下训练时，会输出专门的行驶方案。它能够根据当前条件选择最合适的方案，输出正确的转向方向。
花了十几分钟 尝试去讲表述一个自己想要尝试的方向？引用一位毕业的从事科研的哥告诉我的：如果你想要了解某个方向，搜集至少200篇有关论文，写出一篇综述。这样，你不仅了解了这个方向，同样也有了一篇小论文。【多读论文才是研究生入门的基本途径】 再加上英语课要开始 -> academic writing，那么正式进入文献综述啦，（希望我写着写着不会半途而废，200篇不可能了，20篇 我尝试一下）
转至博客园：【论文阅读】End to End Learning for Self-Driving Cars
转至博客园：【论文阅读】DSDNet Deep Structured self-Driving Network
【论文阅读】Motion Planning through policy search
