CommonRoad介绍与安装

CommandRoad是德国慕尼黑大学开发了一个自动驾驶motion planning算法的Benchmark。其提供了环境、车辆动力学模型等，可以对motion planning算法进行测评，同时可以进行强化学习训练。文章根据论文《CommonRoad Composable Benchmarks for Motion Planning on Roads》和其官网信息对其进行介绍和安装说明。

1. CommonRoad介绍

motion planning需要车辆动力学模型、路网、动静态障碍物、测评函数等，但是提供这字额信息需要很长的篇幅，因此发表的文章只提供一些关键信息，导致很难对这些方法进行复现，然而可复现性对科学研究至关重要。CommonRoad可以提供motion planning所需要的信息，帮助研究者提升工作效率。其中场景信息有真实数据，也有人工制作的危险场景数据。
结果的可复现性是科学的基石。然而由于篇幅限制或者作者认为没有必要，许多发表文章没有提供道路上的障碍物细节等，对于这些方法的复现带来了很多困难，因此一个Benchmark非常重要。CommonRoad的重要性表现在：

• 之前的benchmark是为室内机器人抓取的，而CommonRoad是为自动驾驶设计的；
• 不同研究组的数据格式不同，一些数据集不公开，有些数据集数据不全；
• 一些规划算法库不是针对自动驾驶做了benchmark；
• 自动驾驶方面有视觉的KITTI和定位的Open SLAM，没有决策规划方面的benchmark；

CommonRoad的优势表现在：

• 可复现；
• 模块化；
• 覆盖典型工况以及各种复杂工况；
• 轻量化，多平台；
• 开源；
• 与算法解耦；

1.1 Benchmark ID

CommonRoad benchmark由车辆模型、评价函数和场景组成，可以方便地组合构造。benchmark的ID可以用下面的形式表示：
$$B=M:C:S\text{\hspace{1em}(1)}$$
即benchmark ID = 车辆模型 ： 评价函数 ：