CarDreamer 开源项目使用教程

CarDreamer 开源项目使用教程

CarDreamer World Model based Autonomous Driving Platform in CARLA :car: 项目地址: https://gitcode.com/gh_mirrors/ca/CarDreamer

1. 项目介绍

CarDreamer 是一个基于世界模型的自动驾驶平台，利用高保真的 CARLA 模拟器与世界模型相结合，能够训练出不仅学习复杂环境动力学，还能与神经网络“模拟器”互动学习的自动驾驶代理。在 CarDreamer 中，代理可以从零开始在“梦境世界”中学习驾驶，掌握超车、右转等操作，并在繁忙的交通中避免碰撞。

CarDreamer 提供了可定制的观测性、多模态观测空间和意图共享功能。项目的目标是开发一个用于自动驾驶研究和评估的开源平台。

2. 项目快速启动

环境准备

首先，确保安装了以下依赖：

• CARLA 0.9.15 版本
• Python 3.10
• Flit 包管理工具

安装 CARLA：

export CARLA_ROOT="/path/to/carla"
export PYTHONPATH="$CARLA_ROOT/PythonAPI/carla:$PYTHONPATH"

创建 Python 环境：

conda create python=3.10 --name cardreamer
conda activate cardreamer

安装 Flit：

pip install flit

克隆项目仓库：

git clone https://github.com/ucd-dare/CarDreamer.git
cd CarDreamer

安装 CarDreamer：

flit install --symlink

模型依赖

安装 DreamerV2 和 DreamerV3 的指南可以在项目目录中的相应文件夹中找到。

训练模型

以下示例展示了如何使用默认设置训练代理：

bash train_dm3.sh 2000 0 --task carla_four_lane --dreamerv3.logdir ./logdir/carla_four_lane

如果要覆盖任务和模型参数，可以使用以下命令：

bash train_dm3.sh 2000 0 --task carla_right_turn_simple \
--dreamerv3.logdir ./logdir/carla_right_turn_simple \
--dreamerv3.run.steps=5e6

该命令将在 2000 端口启动 CARLA，加载名为 carla_four_lane 的内置任务，并在 9000 端口启动可视化工具，可以通过 http://localhost:9000/ 访问。

3. 应用案例和最佳实践

• 定制观测性：根据需要调整观测性设置，以优化代理的规划和执行操作能力。
• 意图共享：在自动驾驶车辆之间共享驾驶意图，以实现更平滑的交互。

4. 典型生态项目

CarDreamer 作为一个开源平台，可以与多个生态项目结合使用，例如：

• 利用 CARLA Simulator 进行更广泛的自动驾驶模拟研究。
• 结合 State-of-the-Art 的世界模型，如 DreamerV3，进行自动驾驶算法的基准测试。

通过上述教程，您可以开始使用 CarDreamer 进行自动驾驶相关的学习和研究。

CarDreamer World Model based Autonomous Driving Platform in CARLA :car: 项目地址: https://gitcode.com/gh_mirrors/ca/CarDreamer