别空谈系统，自动驾驶怎样实现的“无人有脑”？ 编辑 | AI 前线众所周知，经验丰富的老司机在面对不同的路况时有着不同的几套解决方案，而自动驾驶技术也是如此。自动驾驶系统整体有如人类的头颅，传感器如眼睛和耳朵感知外界，决策规划就如大脑进行状况预测。这一预测过程涵盖了路况分析、行为决策、动作规划和反馈控制等多重内容，同时还要重视安全和舒适两大要是，进而构成了自动驾驶系统的核心部分。 显然想要同时兼顾这些条件并不容易，当前在业界关于决策规划也并没有成熟统一的解决方案。但一些优秀的规划算法却可以很好的完成这些任务。比如 Lanttice Planner，遵循先采样后选择的逻辑，依据从安全性、舒适性和交规抽象出的 cost 函数来保障轨迹的平滑。 那么这种规划算法具体是如何实现的呢？8 月 30 日晚，AI 前线邀请到了百度高级研发工程师许珂诚，将会在微信群中亲自分享《Lattice Planner 规划算法》，为每一位参与者揭开无人驾驶技术的智能谜题。本场直播的讲师和内容提供来自百度。 课程主题 Lattice Planner 规划算法 分享嘉宾 许珂诚，现任百度智能驾驶事业群组高级研发工程师，Apollo 自动驾驶开源平台核心开发成员。毕业于复旦大学数学科学学院，而后于美国德克萨斯大学奥斯汀分校获得计算数学方向硕士学位。求学期间主要从事机器学习中的高性能数值计算的研究。硕士毕业后入职百度硅谷研发中心，从事自动驾驶中行为预测，决策规划等方向的研发工作。 课程形式 微信社群直播，图文形式 课程时间 8 月 30 日（周四）20:30-21:30 分享提纲 什么是 Lattice Planner ？ Lattice 规划算法的工作流程 Lattice Planner 采样过程 如何采样横向和纵向轨迹？ 轨迹 cost 的实现方法 如何报名 长按海报上的二维码，点击中间菜单栏 “加群学习” 提示操作，即可加入社群参与本次公开课分享。