دوره اصول و پیاده‌سازی رانندگی خودران سطح ۴ همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و پیاده‌سازی رانندگی خودران سطح ۴

موضوع کلی: مهندسی خودرو

موضوع میانی: سیستم‌های هوشمند خودرو

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر رانندگی خودران و سطوح مختلف آن
• 2. مروری بر سیستم Navya Autonom و معماری آن
• 3. سنسورهای کلیدی در رانندگی خودران سطح ۴: لیدار، رادار، دوربین
• 4. پردازش داده‌های سنسورها و ادغام اطلاعات
• 5. مبانی الگوریتم‌های پردازش تصویر برای خودروهای خودران
• 6. تشخیص اشیا: طبقه‌بندی، مکان‌یابی و ردیابی
• 7. تخمین وضعیت: موقعیت، سرعت و جهت‌گیری
• 8. نقشه‌برداری و SLAM (Simultaneous Localization and Mapping)
• 9. برنامه‌ریزی مسیر: الگوریتم‌های جستجو و بهینه‌سازی
• 10. کنترل خودرو: مدل‌سازی، طراحی و پیاده‌سازی
• 11. ایمنی و قابلیت اطمینان در سیستم‌های خودران
• 12. مدیریت خطا و تحمل پذیری
• 13. ارتباطات V2X (Vehicle-to-Everything)
• 14. استانداردها و مقررات رانندگی خودران
• 15. تست و اعتبارسنجی سیستم‌های خودران
• 16. یادگیری تقویتی در رانندگی خودران
• 17. شبکه‌های عصبی عمیق برای رانندگی خودران
• 18. پردازش داده‌های ابری در سیستم‌های خودران
• 19. امنیت سایبری در خودروهای خودران
• 20. ملاحظات اخلاقی در رانندگی خودران
• 21. بهینه‌سازی مصرف انرژی در سیستم‌های خودران
• 22. سیستم‌های ترمز خودکار پیشرفته (AEB)
• 23. کنترل تطبیقی کروز (ACC)
• 24. نگهداری لاین (Lane Keeping Assist)
• 25. پارک خودکار (Automated Parking)
• 26. سیستم‌های کمک راننده پیشرفته (ADAS) و ارتباط آن‌ها با رانندگی خودران
• 27. معماری نرم‌افزاری سیستم‌های رانندگی خودران
• 28. سیستم‌عامل‌های زمان واقعی (RTOS) در خودروهای خودران
• 29. زبان‌های برنامه‌نویسی مورد استفاده در رانندگی خودران (C++, Python)
• 30. شبیه‌سازی محیط رانندگی برای تست و توسعه
• 31. کاربرد هوش مصنوعی در تصمیم‌گیری‌های رانندگی
• 32. ارزیابی عملکرد سیستم رانندگی خودران
• 33. مبانی یادگیری ماشین و کاربرد آن در رانندگی خودران
• 34. پردازش و تحلیل داده‌های بزرگ (Big Data) در رانندگی خودران
• 35. مفاهیم اولیه یادگیری عمیق و شبکه‌های عصبی کانولوشنال (CNN)
• 36. شبکه‌های عصبی بازگشتی (RNN) برای پردازش داده‌های سری زمانی
• 37. استفاده از داده‌های سنسور برای پیش‌بینی رفتار سایر وسایل نقلیه
• 38. تکنیک‌های کاهش نویز و بهبود کیفیت داده‌های سنسور
• 39. مدل‌سازی محیط رانندگی با استفاده از نقشه‌های HD
• 40. طراحی رابط کاربری برای خودروهای خودران
• 41. ارگونومی و تجربه کاربری در خودروهای خودران
• 42. مفاهیم ایمنی عملکردی (Functional Safety)
• 43. استاندارد ISO 26262 و کاربرد آن در خودروهای خودران
• 44. سیستم‌های تشخیص نفوذ و امنیت داده‌ها در خودروهای خودران
• 45. به‌روزرسانی نرم‌افزاری از راه دور (OTA) در خودروهای خودران
• 46. استفاده از 5G و ارتباطات بی‌سیم پرسرعت در رانندگی خودران
• 47. مفاهیم مربوط به شهر هوشمند و ارتباط آن با رانندگی خودران
• 48. تأثیر رانندگی خودران بر زیرساخت‌های حمل و نقل
• 49. آینده رانندگی خودران و چالش‌های پیش رو
• 50. رابطه بین رانندگی خودران و قوانین بیمه و مسئولیت
• 51. بررسی موردی سیستم‌های رانندگی خودران موجود در بازار
• 52. تحلیل هزینه‌های توسعه و تولید خودروهای خودران
• 53. روش‌های ارزیابی ریسک در سیستم‌های رانندگی خودران
• 54. تکنیک‌های اعتبارسنجی و تأیید سیستم‌های خودران
• 55. مدیریت داده‌های حسگر و ذخیره‌سازی آن‌ها
• 56. اثرات اجتماعی و اقتصادی رانندگی خودران