LearningByCheating 项目使用教程

LearningByCheating 项目使用教程

1. 项目目录结构及介绍

LearningByCheating 项目的目录结构如下：

LearningByCheating/
├── PythonAPI/
│   ├── agents/
│   ├── benchmark/
│   ├── bird_view/
│   ├── figs/
│   ├── misc/
│   ├── training/
│   └── carla/
│       └── dist/
├── benchmark_agent.py
├── data_collector.py
├── environment.yml
├── INSTALL.md
├── LICENSE
├── README.md
├── quick_start.sh
└── view_benchmark_results.py

目录结构介绍

• PythonAPI/: 包含与CARLA模拟器交互的Python API代码。

  • agents/: 包含各种自动驾驶代理的实现。
  • benchmark/: 包含用于评估自动驾驶代理性能的基准代码。
  • bird_view/: 包含鸟瞰图相关的代码。
  • figs/: 包含项目中使用的图表和图像。
  • misc/: 包含一些杂项代码和工具。
  • training/: 包含训练自动驾驶代理的代码。
  • carla/dist/: 包含CARLA的Python egg文件，用于与CARLA服务器交互。

• benchmark_agent.py: 用于运行和评估自动驾驶代理的脚本。

• data_collector.py: 用于收集训练数据的脚本。

• environment.yml: Conda环境配置文件，用于设置项目所需的Python环境。

• INSTALL.md: 项目安装指南。

• LICENSE: 项目许可证文件。

• README.md: 项目介绍和使用说明。

• quick_start.sh: 快速启动脚本，用于快速设置和运行项目。

• view_benchmark_results.py: 用于查看和分析基准测试结果的脚本。

2. 项目启动文件介绍

quick_start.sh

quick_start.sh 是一个快速启动脚本，用于快速设置和运行项目。该脚本会自动下载CARLA模拟器、设置Conda环境、安装必要的Python包，并启动CARLA服务器和自动驾驶代理。

使用方法

./quick_start.sh

benchmark_agent.py

benchmark_agent.py 是用于运行和评估自动驾驶代理的脚本。该脚本会加载预训练的模型，并在指定的测试环境中运行代理，评估其性能。

使用方法

python benchmark_agent.py --suite=town2 --model-path=ckpts/image/model-10.th --show

data_collector.py

data_collector.py 是用于收集训练数据的脚本。该脚本会在CARLA模拟器中运行自动驾驶代理，并记录其行为和环境数据，用于后续的训练。

使用方法

python data_collector.py --dataset_path=[PATH] --n_episodes=100

3. 项目配置文件介绍

environment.yml

environment.yml 是Conda环境配置文件，用于设置项目所需的Python环境。该文件列出了项目运行所需的所有Python包及其版本。

使用方法

conda env create -f environment.yml
conda activate carla

INSTALL.md

INSTALL.md 是项目的安装指南，详细介绍了如何安装和配置项目所需的依赖项和环境。

使用方法

请参考 INSTALL.md 文件中的步骤进行安装。

config.json

config.json 是项目的配置文件，包含了训练和评估自动驾驶代理时所需的参数设置。

使用方法

在训练或评估自动驾驶代理时，可以通过修改 config.json 文件来调整参数设置。

{
  "learning_rate": 0.001,
  "batch_size": 32,
  "num_epochs": 100
}

通过以上步骤，您可以顺利地安装、配置和运行 LearningByCheating 项目。