1基于采样的路径规划方法路径搜索常用方式之一是基于网格的的方法（grid-based method），如A*算法，但基于网格的方法复杂度较高，与求解空间的维度相关，且得到的路径比较僵硬，对于车辆或移动机器人来说都不是很友好。另外一种路径规划是基于采样的方法（sampling method），包括以下模块：随机或确定性选择函数，在采样空间确定点采样评估函数，来选择合适采样点距离函数，确定待扩展点与当

期刊/会议主页：交通方向：Transportation Research Part C: Emerging TechnologiesIEEE Transactions on Intelligent Transportation SystemsIEEE Intelligent Transportation Systems Conference (ITSC)安全方向：Safety ScienceAcc

Little Heta｜本地CLI个人知识库+Agent记忆引擎开源工具一款面向开发者、研究员的本地命令行知识基础设施，一站式搞定文档解析、向量Wiki、分层Agent记忆，让AI Agent真正拥有专属「第二大脑」

1 什么是 PyTorch?PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：NumPy 的替代品，可以利用 GPU 的性能进行计算。深度学习研究平台拥有足够的灵活性和速度2 Tensors (张量)一些tensor运算：import torchx = torch.empty(2,4) # 或者 x = torch.Tensor(2,4)y = torch.ones(2,4

【强化学习纲要】学习笔记系列Markov Chain → Markov Reward Process（MRP）→ Markov Decision Processes（MDP）MDP基本假设：环境是完全可观测的MDP可以用于处理最优控制问题，根据环境确定出最佳控制策略部分可观测的问题可以转化为MDPMarkov Process未来状态依赖于给定的历史状态历史状态：ht={s1,s2,…,st}h_t

模型介绍

1 最近邻规则给定集合包含n对数，(x1,t1)(\bold x_1,t_1)(x1​,t1​), …，(xn,tn)(\bold x_n,t_n)(xn​,tn​)，其中xi\bold x_ixi​为实数，t_i属于集合{1,…，M}\{1,…，M\}{1,…，M}，每个xi\bold x_ixi​是同一测量规则得到的iiith个独立量，而每个tit_iti​是对应的样本类别上述规则可以简称为：

1 概率密度函数对于一个连续的概率密度方程，p(x)p(x)p(x)，满足下列特性：处理a和b两点之间的x满足：P(a<x<b)=∫abp(x)dxP(a<x<b) = \int_a^b p(x)dxP(a<x<b)=∫ab​p(x)dx对于所有实数x，其值是非负的概率函数的积分为1，即有：∫∞∞p(x)dx=1\int_\infty^\infty p(x)dx

交通仿真器是自动驾驶技术发展的重要支撑。交通仿真器可以在虚拟环境中仿真各种交通场景和车辆行驶情况，从而提高测试效率、降低测试风险、提高测试准确性和加速开发周期，是自动驾驶技术验证和优化的重要手段之一。**LimSim是由上海人工智能实验室智能交通（平台）团队研发的仿真器，名称缩写于“长期 Long-term、交互式 Interactive、多场景 Multi-scenario交通仿真器 Simul

Connected and automated vehicle systems: Introduction and overview By Steven E. Shladover (2017)智能化和网联化系统可以提升交通系统运行水平，但是大众媒体往往混淆了CV和AV的概念，本文旨在解释二者直接区别，并指出潜在的协同作用。CV发展已超过15年，通过DSRC的建设和应用来提升交通系统。AV发展此起披