Carmaker 8.1最新版本，在官网下载的，放在百度盘里速度快。是window般的，可与simulink构成自动驾驶联合仿真平台。

将Apollo控制代码改写成Matlab代码，并编写相应的车辆横纵向动力学模型，可在matlab中进行控制模块的横纵向仿真调参，也可作为学习Apollo 控制代码的资料。

遗传算法神经网络matlab代码自动驾驶汽车模拟 这是自动驾驶汽车的简单模拟。 我准备了一个环境，汽车可以在其中行驶，记录碰撞并检测障碍物。 神经网络被用作汽车的决策模型。 该神经网络通过两种方式进行训练： 会教汽车如何从手动驾驶收集的数据中驾驶。 神经网络通过遗传算法训练。 汽车将学习如何在没有外部数据的情况下驾驶汽车。 下面总结并讨论了结果。 视频 以下视频演示了该项目的结果。 （单击下面的图像或此） 项目结构 “ matlab”文件夹：包含用于在手动驾驶收集的数据上训练神经网络的matlab代码 “ python”文件夹：这是项目的主文件夹。 它包含用于仿真，图形元素和神经进化的代码。 依存关系 框架用于显示3D模型。

Opendrive1.4 语法节点思维导图

matlab车辆路径代码#RHCAutonomousVehicle Matlab代码可生成自动驾驶车辆遵循预定路径参考路径（x，y）的转向和速度（phi，v）命令 该控制器是模型预测接收地平线控制器 论文发表于 M Elbanhawi，M Simic和R Jazar后退水平侧向车辆控制用于纯跟踪路径跟踪《振动与控制学报》 1077546316646906，首次发布于2016年5月22日doi：10.1177 / 1077546316646906

DDAD-自动驾驶的密集深度 DDAD是TRI（丰田研究所）提供的新的自动驾驶基准，可在挑战性和多样化的城市条件下进行远距离（最大250m）和密集深度估计。 它包含单眼视频和准确的地面深度（在整个360度视野内），这些深度是由安装在跨洲环境中的自动驾驶汽车车队上的高密度LiDAR生成的。 DDAD包含来自美国（旧金山，湾区，剑桥，底特律，安阿伯）和日本（东京，台场）的城市环境的场景。 如何使用 可以在此处下载数据： （257 GB，md5校验和： c0da97967f76da80f86d6f97d0d98904 ）和 （ c0da97967f76da80f86d6f97d0d98904 GB，md5校验和： cb244da1865c28898df3de7e904a1200 ）。 要加载数据集，请使用。 以下代码段将实例化数据集： from dgp . datasets import S

自动驾驶中的深度强化学习 最适合离散操作：4名工人，学习率1e-4 无法使其在连续动作空间中正常工作； 它产生的动作出了问题 A3C创意 总览 人工神经网络的架构

ICRA 2019-2021 IROS 2019-2021

交运设备-汽车周报2019第18期：国产Model 3开放预订，自动驾驶仿真蓝皮书发布-长城

2018年自动驾驶与人工智能研究报告，AMiner研究报告第七期，内容包涵无人驾驶关键技术，无人驾驶的应用，学者分布，发展趋势等。