解决Carla Simulator在Ubuntu 22.04下UE5分支打包失败问题
2025-05-18 16:09:12作者:董斯意
问题背景
Carla Simulator是一个开源的自动驾驶仿真平台,近期社区贡献了基于Unreal Engine 5的开发分支(ue5-dev)。许多开发者在Ubuntu 22.04系统上按照官方文档进行构建时,发现前几个步骤都能顺利完成,但在最后的打包阶段(package)会遇到各种错误。
常见错误现象
- 内存不足错误(Out of memory),即使系统有256GB内存也会出现
- 文件描述符过多问题
- 资产加载失败警告
- 国际化初始化断言失败(FInternationalization is not initialized)
- UnrealTraceServer进程挂起无法终止
根本原因分析
经过技术分析,这些问题主要由以下几个因素导致:
- 资产内容版本不匹配:Carla主仓库与内容仓库(Content)的提交版本不同步,导致资产引用失效
- 构建依赖缺失:官方文档中列出的依赖项不完全,缺少部分关键库
- 系统资源限制:默认的文件描述符限制不足
- 构建顺序问题:打包目标(package)的依赖关系定义不完整
详细解决方案
1. 确保版本匹配
使用以下版本组合可获得稳定构建:
- Carla主仓库:ue5-dev分支,commit aa9d95eb21d03abe143471d9a7e854a794e5533d
- 内容仓库:ue5devStable0.1标签版本
- UE5引擎:CarlaUnreal/UnrealEngine仓库的ue5-dev-carla分支,commit f1c3b5d77ccf403e25b59f6735157ccf5e3961e7
2. 补充系统依赖
除了官方文档列出的依赖外,还需要安装以下软件包:
sudo apt-get install libwebsockets-dev libnss3-dev libatk-bridge2.0-dev libpango1.0-dev libsdl2-dev
3. 调整系统资源限制
为避免文件描述符不足问题,执行以下命令:
ulimit -n 1024
ulimit -u 1024
4. 正确的构建流程
遵循以下构建顺序:
# 1. 配置项目
cmake -G Ninja -S . -B Build --toolchain=$PWD/CMake/LinuxToolchain.cmake \
-DCMAKE_BUILD_TYPE=Release -DENABLE_ROS2=ON \
-DBUILD_CARLA_UNREAL=ON -DCARLA_UNREAL_ENGINE_PATH=$CARLA_UNREAL_ENGINE_PATH
# 2. 构建Carla
cmake --build Build
# 3. 安装Python API
cmake --build Build --target carla-python-api-install
# 4. 启动编辑器(即使没有GUI也需要执行)
cmake --build Build --target launch
# 出现启动尝试后按Ctrl+C终止
# 5. 打包(可能需要多次执行)
cmake --build Build --target package
5. 处理打包过程中的问题
打包时可能会遇到UnrealTraceServer进程挂起的情况,解决方法:
- 按Ctrl+C中断当前构建
- 使用
ps aux | grep UnrealTraceServer查找进程ID - 使用
kill -9 <PID>强制终止挂起的进程 - 重新执行打包命令
技术深入解析
国际化初始化失败问题
当出现"FInternationalization is not initialized"错误时,这表明UE5的国际化系统在静态初始化阶段被调用。解决方案是确保所有文本本地化操作都在引擎完全初始化后执行。
资产引用问题
资产加载失败警告如"Failed to load '/Game/Carla/Static/Static/SM_LightBox2'"通常表明:
- 内容仓库版本不正确
- 资产路径变更但引用未更新
- 打包过程中资产未被正确包含
使用匹配的内容仓库版本是最可靠的解决方案。
最佳实践建议
- 在EXT4文件系统上构建,避免使用网络挂载的文件系统
- 为构建过程分配至少32GB内存
- 使用SSD存储加速构建过程
- 定期清理中间文件,避免累积导致问题
- 考虑使用CCache加速重复构建
通过以上方法,开发者应该能够在Ubuntu 22.04系统上成功构建并打包基于UE5的Carla Simulator。如遇新问题,建议检查各仓库的最新提交,确保版本兼容性。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
Ascend Extension for PyTorch
Python
379
453
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1