강의

멘토링

커뮤니티

Programming

/

etc. (Programming)

Pythonで試す自律走行

この講義が特別な理由:主要なメリット • 直感的な視覚化:Pygame 2Dシミュレーションでアルゴリズムの動作をリアルタイムで直接確認 • 実践的な実装経験:理論を超えて直接コーディングしながら自律走行アルゴリズムを体得 • 主要アルゴリズムのマスター:ダイクストラ、ピュアパス追従、ICPなど必須アルゴリズムを集中学習 • 段階的な深掘り学習:基礎からSLAMまで体系的な難易度構成 • LidarベースのSLAM:未知の環境でのマップ構築と位置推定の実習

  • hjk1000
실습 중심
자율주행
Python
Autonomous Driving
slam

受講後に得られること

  • SLAM (自己位置推定と環境地図作成)

  • ICP (Iterative Closest Point)

  • ダイクストラアルゴリズム (Dijkstra Algorithm)

  • ピュア・パースート・アルゴリズム (Pure Pursuit Algorithm)

  • アッカーマン操舵モデル (Ackermann Steering Model)

自律走行、今は簡単に全体を理解しよう!

近年、自律走行技術は眩しい発展を重ね、私たちの生活の重要な部分となっています。しかし、この興味深い分野に飛び込もうとしたとき、いざと向き合う教育資料は残念でした。市販の自律走行講義を見てみると、大きく3つのタイプに分けられることがわかりました。

最初のものは基本的な内容だけにとどまる講義です。自律走行の概念、歴史など、表面的な情報だけを伝えるだけで、実際のシステムがどのように動作するかについての深い理解を提供できませんでした。興味は誘発するが、渇きを解消してくれない講義でした。

2つ目はAI、特にディープラーニングに焦点を当てた講義です。例えば、ディープラーニングを利用してレーンを認識して操舵する方法にのみ集中することが多かった。もちろん、ディープラーニングは自律走行の重要な技術の1つですが、これは自律走行システムの一部です。マップの作成、ルートの計画、車両の制御など、人工知能ではなく基本的な工学的原則がはるかに重要で広範囲に適用されます。これらの講義は、自律走行の全体像を見るのを防ぎ、まるで木だけを見て森を見ることができないようでした。

3つ目はとても難しい講義です。突然、複雑な数学の公式と理論を注ぎ込んだり、実際の実装とは別の概念だけを扱って、初心者が簡単にアクセスするのが難しい障壁を作りました。学びたいという意志は充満ですが、始めからイライラを感じさせる講義がほとんどでした。

このような物足りなさの中で、私は「自律走行の全体を簡単かつ直感的に理解できる講義はないだろうか?」という質問を自らに投げました。そして長年の悩みと私が持っている知識を総動員して直接この講義を作ることになりました。

この講義は、既存の講義の限界を克服し、自律走行システムのすべての重要な要素を最初から最後まで直接実装し、理解できるように設計されています。

  • Pygameベースの2Dシミュレーションを活用して、複雑な自律走行アルゴリズムの動作を目で直接確認し、直感的に理解できます。理論的な概念がコードの1行1行とシミュレーション画面でどのように実装されるかを明確に示します。

  • 知っているマップでのルート計画と追従から始まります。マップをグリッド形式で分割し、ダイストラアルゴリズムで最短パスを見つけます。そして、アーカーだけがステアリングモデルに基づいて車両を制御し、ピュアパーシュートアルゴリズムで生成された経路に正確に従うようにします。これは自律走行の最も基本的な「考えて動く」プロセスです。

  • さらに、マップを知らない未知の環境での自律走行に拡張します。 Lidarセンサーをシミュレートし、このLidarデータを活用してリアルタイムで周辺マップを構築します。同時に、ICP(Iterative Closest Point)アルゴリズムを使用して車両の正確な位置を推定するSLAM(Simultaneous Localization and Mapping)を実装します。マップが更新されるたびにルートを再生成し、車両が知らない地形でも自分で道を見つけられるようにします。

この講義は単にAI技術だけを盲目的に追いつくのではなく、自律走行を構成するマッピング(Mapping)、位置認識(Localization)、経路計画(Path Planning)、制御(Control)という4つのコア柱をすべて取り上げます。あなたはこの講義を通して自律走行の「全体像」を描くでしょう。

もはや自律走行の複雑さの前でイライラしないでください。この講義では、自律走行の重要な原理を簡単かつ楽しく学び、さらに独自の自律走行システムを作ることができる堅固な基盤を提供します。一緒に自律走行の興味深い世界に行きましょう!



未知の環境をLIDARとして認識し、最短経路を生成し、生成された経路を追従する映像

こんな方に
おすすめです

学習対象は
誰でしょう?

  • 自動運転分野に初めて入門する初心者

  • AI/ディープラーニング以外で自動運転の核心原理を学びたい方々

  • 実習を通して踏み込んだ理解を求める方々

前提知識、
必要でしょうか?

  • Python プログラミング基礎

  • 高校レベルの基本的な数学 + 行列演算

  • コンピュータ科学 基礎 (選択事項)

こんにちは
です。

1,520

受講生

41

受講レビュー

10

回答

4.7

講座評価

10

講座

안녕하세요

비전공자로 딥러닝을 열심히 공부하는 직장인입니다.

공부하면서 느낀 점들을 여러분들과 함께 공유하고 싶습니다

감사합니다.

カリキュラム

全体

9件 ∙ (3時間 10分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

3件

5.0

3件の受講レビュー

  • devkev00님의 프로필 이미지
    devkev00

    受講レビュー 1

    平均評価 5.0

    5

    67% 受講後に作成

    • hjk1000
      知識共有者

      受講レビューありがとうございます!少しでもお役に立てれば嬉しいです

  • kimshun님의 프로필 이미지
    kimshun

    受講レビュー 3

    平均評価 5.0

    5

    67% 受講後に作成

    • hjk1000
      知識共有者

      うわー!評価ありがとうございます 自動運転全般の講義をしてみたのですが、うまく伝わったか分かりませんね。

  • hjk1000님의 프로필 이미지
    hjk1000

    受講レビュー 2

    平均評価 5.0

    5

    67% 受講後に作成

    ¥2,822

    hjk1000の他の講座

    知識共有者の他の講座を見てみましょう!

    似ている講座

    同じ分野の他の講座を見てみましょう!