本文是stanford大学在 2007 DARPA Urban Challenge 中产出的一项工作，提出了著名的混合A*算法。
Autonomous Driving | From smart parking towards autonomous valet parking: A survey, challenges and future Works
这是一篇停车场管理的综述，不是我想找的Autonomous parking算法的。
Autonomous Driving | Parallel, Angular and Perpendicular Parking for Self-Driving Cars using Deep Reinforcement Learning
parking是所有驾驶行为的最终步骤，主要分为三类：垂直、平行、斜向泊车。本文使用DDPG控制汽车完成三种场景的泊车。
Autonomous Driving | Reinforcement Learning-Based Motion Planning for Automatic Parking System
本文质量一般，只看了intro部分，文献较老，没继续看了。
Autonomous Driving | DL-IAPS and PJSO: A Path/Speed Decoupled Trajectory Optimization and its Application in Autonomous Driving (Baidu, 2020)
整体而言就是在混合A*的基础上，加上了轨迹平滑、碰撞检测、速度规划三个后续模块，在parking任务上取得了一定效果，并集成与Apollo平台中
Reinforcement Learning | Human-level Atari 200x faster
Deepmind的Agent57是第一个在57款Atari游戏上全面超过人类水平的强化学习智能体。但是Agent57的数据利用效率很低，要求80亿帧数据。本文通过设置不同的策略集合实现了200倍的训练效率提高。
Autonomous Driving | BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers
多相机3D检测的工作。提出了spatial cross-attention整合空间信息；提出了temporal self-attention整合历史BEV信息。
Python报错libGL error: MESA-LOADER: failed to open iris
执行gym-like环境代码时，渲染动画输出时报错无法找到系统显卡驱动