deploy: 9d026ab

AutomotiveAIChallenge · Jun 18, 2024 · f6e8a72 · f6e8a72
1 parent 6c74e3e
commit f6e8a72
Show file tree

Hide file tree

Showing 6 changed files with 22 additions and 34 deletions.
diff --git a/course/perception/index.html b/course/perception/index.html
@@ -1099,23 +1099,17 @@ <h2 id="03-01-lidar">03-01. lidarから点群を取得し障害物検知をす
 <li>高精度な3D点群データを生成し、周囲の環境を詳細に把握できます。</li>
 </ul>
 </li>
-<li>
-<p><strong>カメラ</strong>:</p>
-<ul>
+<li><strong>カメラ</strong>:<ul>
 <li>光学センサーを使用して画像を取得します。</li>
 <li>画像を用いて物体認識、車線検出、交通標識認識などを行います。</li>
 </ul>
 </li>
-<li>
-<p><strong>レーダー（Radio Detection and Ranging）</strong>:</p>
-<ul>
+<li><strong>レーダー（Radio Detection and Ranging）</strong>:<ul>
 <li>電波を発射し、反射して戻ってくるまでの時間を測定します。</li>
 <li>長距離の障害物検出に優れ、悪天候でも安定した性能を発揮します。</li>
 </ul>
 </li>
-<li>
-<p><strong>超音波センサー</strong>:</p>
-<ul>
+<li><strong>超音波センサー</strong>:<ul>
 <li>超音波を発射し、反射して戻ってくるまでの時間を測定します。</li>
 <li>近距離の障害物検出に適しており、駐車支援システムなどに利用されます。</li>
 </ul>

diff --git a/course/velocity_planning/index.html b/course/velocity_planning/index.html
@@ -1137,7 +1137,7 @@ <h2 id="02-01">02-01. 車速を取得する</h2>
 <pre><code class="language-bash">ros2 topic echo /localization/kinematic_state
 </code></pre>
 <p>車両の初期速度は0なので、以下のように<code>twist: linear: x: 0.0</code>と表示されます。</p>
-<pre><code>header:
+<pre><code class="language-txt">header:
   stamp:
     sec: 1713775224
     nanosec: 319370472
@@ -1244,7 +1244,7 @@ <h2 id="02-01">02-01. 車速を取得する</h2>
 <h2 id="02-02">02-02. 車両速度を目標速度に収束させる</h2>
 <p>次に、車両が目標の速度になるように車両の速度を制御してみましょう。
 現在の速度v_nowと目標の速度v_targetの差にゲインk_pをかけたものを加速度入力aとする比例制御を用いることを考えます。</p>
-<p>$$ a = k_{\text{p}}  \cdot (v_{\text{target}} - v_{\text{now}}) $$</p>
+<p>$$ a = k_{\text{p}} \cdot (v_{\text{target}} - v_{\text{now}}) $$</p>
 <p>以下に速度の比例制御を行うノードのサンプルを用意しました。</p>
 <ul>
 <li><a href="https://github.com/AutomotiveAIChallenge/autoware-practice/blob/main/src/autoware_practice_course/src/velocity_planning/p_controller.hpp">velocity_planning/p_controller.hpp</a></li>
@@ -1364,14 +1364,14 @@ <h2 id="02-04">02-04. 横方向制御を行う</h2>
 </li>
 <li>
 <p><strong>ステアリング角度の計算</strong>:
-   計算された方向ベクトルに基づき曲率を計算し、車両のステアリング角度を求めます。
-$$ \theta = \arctan\left(\frac{2  L  \sin(\alpha)}{d}\right) $$
+   計算された方向ベクトルに基づき曲率を計算し、車両のステアリング角度を求めます。</p>
+</li>
+</ol>
+<p>$$ \theta = \arctan\left(\frac{2 L \sin(\alpha)}{d}\right) $$
 $$ \theta: 計算されたステアリング角度 \ $$
 $$ L: 車両のホイールベースの長さ \ $$
 $$ \alpha: 現在の車両の向きとルックアヘッドポイントへの方向ベクトルの間の角度差 \ $$
 $$ d: ルックアヘッド距離 $$</p>
-</li>
-</ol>
 <div align="center">
   <img src="../images/2-4/pure_pursuit.png" alt="Pure Pursuit">
   <br>

diff --git a/development/main-module/index.html b/development/main-module/index.html
@@ -1148,8 +1148,8 @@ <h2 id="map">[任意]Mapの編集</h2>
 <h2 id="autoware">Autowareのカスタマイズ</h2>
 <p>本大会では、自動運転ソフトウェアAutowareをベースとした実装を用意しております．
 本ページでは、その背景と説明に加えて、どのように本実装を活用できるかの紹介を行います．</p>
-<p>前回のシミュレーション大会では、デフォルトのAutowareから機能を絞り、ノード数を減らした<a href="">縮小構成のAutowareを起動できるLaunchファイルを提供</a>しました．その際の、背景や用意した意図については、<a href="https://automotiveaichallenge.github.io/aichallenge2023-racing/customize/index.html">前大会のドキュメント</a>をご覧ください．</p>
-<p>今回のシミュレーション大会では、前大会と同様にAutowareの部分的な活用や自由自在な取り込みを可能にするため、<a href="https://github.com/AutomotiveAIChallenge/aichallenge-2024/blob/main/aichallenge/workspace/src/aichallenge_submit/aichallenge_submit_launch/launch/reference.launch.xml">AWSIMとの利用を想定した縮小構成のAutowareを用意しました</a>しました．</p>
+<p>前回のシミュレーション大会では、デフォルトのAutowareから機能を絞り、ノード数を減らした縮小構成のAutowareを起動できるLaunchファイルを提供しました．その際の、背景や用意した意図については、<a href="https://automotiveaichallenge.github.io/aichallenge2023-racing/customize/index.html">前大会のドキュメント</a>をご覧ください．</p>
+<p>今回のシミュレーション大会では、前大会と同様にAutowareの部分的な活用や自由自在な取り込みを可能にするため、<a href="https://github.com/AutomotiveAIChallenge/aichallenge-2024/blob/main/aichallenge/workspace/src/aichallenge_submit/aichallenge_submit_launch/launch/reference.launch.xml">AWSIMとの利用を想定した縮小構成のAutoware</a>を用意しました．</p>
 <h2 id="autoware_1">縮小構成のAutowareを用意した背景</h2>
 <h3 id="autoware_2">Autowareを利用する時の課題</h3>
 <p>デフォルトのAutowareでは様々な走行環境に対応するため、たくさんのノードから構成されています．</p>
@@ -1207,7 +1207,7 @@ <h2 id="_2">独自実装の作成例</h2>
 </ul>
 </li>
 <li>aichallenge_submitの中に配置</li>
-<li>autoware_micro_awsim_launchから呼び出されるlaunchファイルを変更  <ul>
+<li>autoware_micro_awsim_launchから呼び出されるlaunchファイルを変更<ul>
 <li>参考例：pose_initializer_custom（ autoware_universe_launch/tier4_localization_launch/launch/util/util.launch.xmlから呼び出しております）</li>
 </ul>
 </li>

diff --git a/en/course/perception/index.html b/en/course/perception/index.html
@@ -1099,23 +1099,17 @@ <h2 id="03-01-lidar">03-01. lidarから点群を取得し障害物検知をす
 <li>高精度な3D点群データを生成し、周囲の環境を詳細に把握できます。</li>
 </ul>
 </li>
-<li>
-<p><strong>カメラ</strong>:</p>
-<ul>
+<li><strong>カメラ</strong>:<ul>
 <li>光学センサーを使用して画像を取得します。</li>
 <li>画像を用いて物体認識、車線検出、交通標識認識などを行います。</li>
 </ul>
 </li>
-<li>
-<p><strong>レーダー（Radio Detection and Ranging）</strong>:</p>
-<ul>
+<li><strong>レーダー（Radio Detection and Ranging）</strong>:<ul>
 <li>電波を発射し、反射して戻ってくるまでの時間を測定します。</li>
 <li>長距離の障害物検出に優れ、悪天候でも安定した性能を発揮します。</li>
 </ul>
 </li>
-<li>
-<p><strong>超音波センサー</strong>:</p>
-<ul>
+<li><strong>超音波センサー</strong>:<ul>
 <li>超音波を発射し、反射して戻ってくるまでの時間を測定します。</li>
 <li>近距離の障害物検出に適しており、駐車支援システムなどに利用されます。</li>
 </ul>

diff --git a/en/course/velocity_planning/index.html b/en/course/velocity_planning/index.html
@@ -1137,7 +1137,7 @@ <h2 id="02-01">02-01. 車速を取得する</h2>
 <pre><code class="language-bash">ros2 topic echo /localization/kinematic_state
 </code></pre>
 <p>車両の初期速度は0なので、以下のように<code>twist: linear: x: 0.0</code>と表示されます。</p>
-<pre><code>header:
+<pre><code class="language-txt">header:
   stamp:
     sec: 1713775224
     nanosec: 319370472
@@ -1244,7 +1244,7 @@ <h2 id="02-01">02-01. 車速を取得する</h2>
 <h2 id="02-02">02-02. 車両速度を目標速度に収束させる</h2>
 <p>次に、車両が目標の速度になるように車両の速度を制御してみましょう。
 現在の速度v_nowと目標の速度v_targetの差にゲインk_pをかけたものを加速度入力aとする比例制御を用いることを考えます。</p>
-<p>$$ a = k_{\text{p}}  \cdot (v_{\text{target}} - v_{\text{now}}) $$</p>
+<p>$$ a = k_{\text{p}} \cdot (v_{\text{target}} - v_{\text{now}}) $$</p>
 <p>以下に速度の比例制御を行うノードのサンプルを用意しました。</p>
 <ul>
 <li><a href="https://github.com/AutomotiveAIChallenge/autoware-practice/blob/main/src/autoware_practice_course/src/velocity_planning/p_controller.hpp">velocity_planning/p_controller.hpp</a></li>
@@ -1364,14 +1364,14 @@ <h2 id="02-04">02-04. 横方向制御を行う</h2>
 </li>
 <li>
 <p><strong>ステアリング角度の計算</strong>:
-   計算された方向ベクトルに基づき曲率を計算し、車両のステアリング角度を求めます。
-$$ \theta = \arctan\left(\frac{2  L  \sin(\alpha)}{d}\right) $$
+   計算された方向ベクトルに基づき曲率を計算し、車両のステアリング角度を求めます。</p>
+</li>
+</ol>
+<p>$$ \theta = \arctan\left(\frac{2 L \sin(\alpha)}{d}\right) $$
 $$ \theta: 計算されたステアリング角度 \ $$
 $$ L: 車両のホイールベースの長さ \ $$
 $$ \alpha: 現在の車両の向きとルックアヘッドポイントへの方向ベクトルの間の角度差 \ $$
 $$ d: ルックアヘッド距離 $$</p>
-</li>
-</ol>
 <div align="center">
   <img src="../images/2-4/pure_pursuit.png" alt="Pure Pursuit">
   <br>

diff --git a/search/search_index.json b/search/search_index.json