CarDreamer 开源项目使用教程
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。
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考