Bench2Drive 使用教程

Bench2Drive 使用教程

Bench2Drive Closed-loop multi-ability evaluation of end-to-end autonomous driving algorithms 项目地址: https://gitcode.com/gh_mirrors/be/Bench2Drive

1. 项目介绍

Bench2Drive 是由 Thinklab-SJTU 开发的一个基于 CARLA 模拟器的端到端自动驾驶基准测试项目。该项目旨在提供一个公平、统一的平台，用于评估不同自动驾驶算法的性能。通过精心设计的场景和评分机制，Bench2Drive 能帮助研究人员和开发者更好地理解和改进他们的自动驾驶系统。

2. 项目快速启动

环境搭建

首先，确保你的系统中已经安装了 CARLA 0.9.15 版本。如果没有安装，可以通过以下命令安装：

mkdir carla
cd carla
wget https://carla-releases.s3.us-east-005.backblazeb2.com/Linux/CARLA_0.9.15.tar.gz
tar -xvf CARLA_0.9.15.tar.gz
cd

接着，导入额外的地图资源：

wget https://carla-releases.s3.us-east-005.backblazeb2.com/Linux/AdditionalMaps_0.9.15.tar.gz
cd ..
&& bash ImportAssets.sh

设置环境变量：

export CARLA_ROOT=YOUR_CARLA_PATH
echo "
$CARLA_ROOT/PythonAPI/carla/dist/carla-0.9.15-py3.7-linux-x86_64.egg
" >> YOUR_CONDA_PATH/envs/YOUR_CONDA_ENV_NAME/lib/python3.7/site-packages/carla.pth

下载 Bench2Drive 数据集

你可以从 HuggingFace 或 Baidu Cloud 下载数据集。以下是从 HuggingFace 下载 Base 集的命令：

huggingface-cli download --repo-type dataset --resume-download rethinklab/Bench2Drive --local-dir Bench2Drive-Base

运行示例

将你的代理代码添加到 leaderboard/team_code/your_agent.py，并将模型文件夹链接到 Bench2Drive 目录下。然后，运行以下命令进行评估：

bash leaderboard/scripts/run_evaluation_debug.sh

或者，使用多进程多 GPU 进行并行评估：

bash leaderboard/scripts/run_evaluation_multi_uniad.sh

3. 应用案例和最佳实践

• 数据集使用：使用 Bench2Drive 提供的 Mini、Base 和 Full 数据集进行模型的训练和测试。
• 性能评估：通过项目提供的评分工具，对自动驾驶算法的驾驶分数、成功率、驾驶效率和驾驶平滑度进行评估。
• 调试工具：使用项目提供的可视化工具生成视频，帮助调试和优化自动驾驶算法。

4. 典型生态项目

Bench2Drive 作为自动驾驶领域的基准测试项目，可以与以下生态项目结合使用：

• CARLA：一个开源的自动驾驶模拟器，用于创建虚拟驾驶环境。
• TensorFlow、PyTorch：流行的深度学习框架，用于构建和训练自动驾驶模型。
• ROS：机器人操作系统，用于集成和测试自动驾驶算法。

以上是 Bench2Drive 的使用教程，希望对你有所帮助。

Bench2Drive Closed-loop multi-ability evaluation of end-to-end autonomous driving algorithms 项目地址: https://gitcode.com/gh_mirrors/be/Bench2Drive