数学与控制理论协同赋能：10+自动驾驶规控算法（PID、LQR、MPC、A*…）深度详解

自动驾驶的安全性和舒适度，全靠规控模块的“神操作”！油门/刹车的精准控制、弯道的平稳转向、动态避障的路径规划，背后都是PID、LQR、MPC等算法的数学逻辑与工程落地的结合。

作为自动驾驶工程师，你是否常遇这些痛点：轨迹跟踪参数难调、车辆易偏离顿挫；MPC算法公式难懂，无法结合车辆动力学落地；面试/工作中答不清规控核心问题，缺乏“理论+实战”的系统学习路径。

（自动驾驶算法结构图）

实则自动驾驶规控的核心，从不是记算法名称，而是吃透数学原理、掌握工程落地——车辆建模、算法选型与参数整定，皆离不开数学与控制理论，细节直接决定落地效果。

目前工业界广泛应用的规控算法，如控制侧的PID、LQR、MPC，以及规划侧的 A*、Dijkstra、有限状态机和 Lattice Planner 等，网上虽有许多介绍其基础思路，但将系统化理论与可实践的 C++ 代码深度结合的内容依然稀缺。

为了便于大家学习，深蓝学院邀请了具有10年以上规划控制研发经验的乌宁博士，开设了《自动驾驶控制与规划》线上课程。

扫码添加，了解详情

抢占学习名额

课程详细讲解了 PID, LQR, MPC 等 自动驾驶常用的控制算法，以及动作规划、决策规划、路径规划等规控岗位必备的基础知识。 同时配套了 6个实践Project ， 教给大家如何将算法落地应用在自动驾驶场景中。 本期课程还开设了讲师直播答疑环节，老师将会面对面解决同学们学习过程中遇到的各种困难。

01

课程讲师

博士毕业于新加坡国立大学。具有10年以上机器人规划控制的研发经验，获得多项自动驾驶专利，并发表多篇机器人、自动驾驶论文。

02

项目实践

项目实践案例：

（车辆轨迹跟踪LQR算法）

（局部轨迹规划算法lattice planner）

03

课程收获

1.了解自动驾驶的规划控制在整个自动驾驶中的作用；

2.学会如何建立车辆几何模型、车辆运动学模型以及车辆动力学模型，如何对一些重要的参数进行辨识；

3.学会设计多种控制器（ PID, LQR, MPC ）去解决自动驾驶中的控制问题，提升车辆的轨迹追踪、自适应巡航等的性能；

4.学会如何通过 有限状态机( Finite-state machine ) 在动态环境下规划出一条避开障碍物并符合车辆动力学的路径，如何在复杂环境下做出合理决策等。

5.掌握规划领域的 Dijkstra，A* 等路径规划的方法，运动规划的方法以及在不确定性条件下的规划问题。

本课程从基础的车辆物理模型出发，通过对不同场景及应用下车辆模型的分析，详细阐述车辆控制学及路径规划的知识体系。通过将理论与实际车辆规划控制中的问题相结合，从而让大家达到融会贯通的效果。

04

课程大纲

05

适合人群

1.希望从事自动驾驶规划控制研发的在校学生，尤其是机械、电子电气、计算机、自动化等专业的同学。

2.已经在从事自动驾驶规划控制相关领域的研发工程师。

3.自动驾驶或者机器人企业中其他方向的研发工程师，以及系统工程师。

06

抢占名额

扫码添加，了解详情

抢占学习名额