CARLA-UnrealEngine5编译错误分析与解决方案
问题背景
在使用CARLA-UnrealEngine5进行编译时,开发者可能会遇到一个特定的链接错误。这个错误发生在构建Unreal Engine 5的过程中,具体表现为链接器(lld)无法找到UUserToolBoxBaseBlueprint::Execute()符号的定义。
错误现象
在编译过程中,系统会报告以下关键错误信息:
ld.lld: error: undefined symbol: UUserToolBoxBaseBlueprint::Execute()
>>> referenced by Module.UserToolBoxCore.cpp
>>> ../Plugins/Experimental/UserToolBoxCore/Intermediate/Build/Linux/x64/UnrealEditor/Development/UserToolBoxCore/Module.UserToolBoxCore.cpp.o:(vtable for UUserToolBoxBaseBlueprint)
该错误导致编译过程中断,最终无法完成CARLA-UnrealEngine5的构建。
原因分析
-
符号未定义错误:链接器无法找到UUserToolBoxBaseBlueprint类的Execute()方法实现,这表明可能存在以下情况:
- 源代码中确实缺少该方法的实现
- 包含该实现的源文件未被正确编译
- 编译顺序问题导致依赖关系未正确解析
-
插件依赖问题:错误发生在UserToolBoxCore插件中,这是一个实验性(Experimental)插件,可能在特定环境下存在兼容性问题。
-
构建系统配置:Unreal Build Tool(UBT)在并行构建时可能未能正确处理某些依赖关系。
解决方案
方法一:单独构建Unreal Engine 5
-
首先单独构建Unreal Engine 5:
cd UnrealEngine5_carla make -
构建完成后,再尝试构建CARLA项目。
方法二:更新CARLA代码库
-
确保使用最新版本的CARLA代码:
git pull origin master -
重新运行Setup脚本:
./Setup.sh --force -
重新生成项目文件并构建:
./GenerateProjectFiles.sh make
方法三:使用CMake直接构建CARLA
如果上述方法无效,可以尝试绕过Unreal Engine的构建系统,直接使用CMake构建CARLA:
-
创建一个构建目录:
mkdir build && cd build -
运行CMake配置:
cmake .. -
进行构建:
make
预防措施
-
系统环境检查:确保使用Ubuntu 22.04或兼容的Linux发行版,并安装所有必要的依赖项。
-
资源充足:构建Unreal Engine 5需要大量内存和存储空间,建议系统至少有16GB内存和100GB可用磁盘空间。
-
构建日志分析:遇到问题时,仔细阅读构建日志,定位具体错误位置。
-
实验性插件处理:如果问题持续存在,可以考虑暂时禁用UserToolBoxCore等实验性插件。
总结
CARLA-UnrealEngine5构建过程中出现的链接器错误通常与构建系统配置或代码版本有关。通过单独构建Unreal Engine、更新代码库或使用替代构建方法,大多数情况下可以解决这类问题。建议开发者保持代码库更新,并确保系统环境满足构建要求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00