Bench2Drive 使用教程

Bench2Drive 使用教程

【免费下载链接】Bench2Drive [NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert 项目地址: https://gitcode.com/gh_mirrors/ben/Bench2Drive

1. 项目介绍

Bench2Drive 是由 Thinklab-SJTU 开发的一个针对自动驾驶领域的开源项目。该项目提供了一个闭环端到端的自动驾驶基准测试，通过强化学习中的世界模型来收集数据集，并包含了相应的评估工具和基准结果。它旨在帮助研究人员和开发者在自动驾驶领域进行模型训练和性能评估。

2. 项目快速启动

以下是快速启动 Bench2Drive 的步骤：

首先，确保你已经安装了 CARLA 模拟器。如果没有安装，可以通过以下命令进行安装：

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，导入必要的资源：

wget https://carla-releases.s3.us-east-005.backblazeb2.com/Linux/AdditionalMaps_0.9.15.tar.gz
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

确保替换 YOUR_CARLA_PATH 和 YOUR_CONDA_PATH 以及 YOUR_CONDA_ENV_NAME 为你的实际路径。

3. 应用案例和最佳实践

在 Bench2Drive 中，你可以找到几个预先训练的模型和基准测试结果。以下是一些应用案例和最佳实践：

• 数据集使用：根据你的计算资源选择合适的数据集子集（Mini、Base 或 Full）。
• 模型训练：使用 Think2Drive 作为教师模型来训练你的学生模型，例如 UniAD 或 VAD。
• 评估工具：使用项目提供的评估工具来测试和评估你的模型。

4. 典型生态项目

Bench2Drive 作为一个开源项目，已经吸引了一些典型的生态项目，例如：

• HEAR：一个用于自动驾驶的异构环境感知框架。
• TCP/ADMLP：用于自动驾驶的其他模型和算法。

这些项目都是基于 Bench2Drive 的基准测试和数据集进行开发和优化的，可以为你的研究提供参考和灵感。

【免费下载链接】Bench2Drive [NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert 项目地址: https://gitcode.com/gh_mirrors/ben/Bench2Drive