首页
/ WorldOnRails 项目使用教程

WorldOnRails 项目使用教程

2024-09-27 07:53:34作者:明树来

1. 项目的目录结构及介绍

WorldOnRails 项目的目录结构如下:

WorldOnRails/
├── assets/
├── autoagents/
├── common/
├── docs/
├── lbc/
├── leaderboard/
├── rails/
├── runners/
├── scenario_runner/
├── scripts/
├── utils/
├── .gitignore
├── LICENSE
├── README.md
├── config.yaml
├── ego_model.th
├── environment.yaml
├── evaluate.py
├── evaluate_nocrash.py

目录介绍

  • assets/: 存放项目相关的资源文件。
  • autoagents/: 存放自动驾驶代理相关的代码。
  • common/: 存放项目通用的代码和工具。
  • docs/: 存放项目的文档文件,包括安装、训练和评估的说明。
  • lbc/: 存放基于 Learning by Cheating (LBC) 方法的代码。
  • leaderboard/: 存放与 CARLA 排行榜相关的代码。
  • rails/: 存放 World on Rails (WoR) 方法的核心代码。
  • runners/: 存放场景运行器相关的代码。
  • scenario_runner/: 存放场景运行器的代码。
  • scripts/: 存放项目使用的脚本文件。
  • utils/: 存放项目使用的工具函数和辅助代码。
  • .gitignore: Git 忽略文件配置。
  • LICENSE: 项目许可证文件。
  • README.md: 项目介绍和使用说明。
  • config.yaml: 项目配置文件。
  • ego_model.th: 自我模型文件。
  • environment.yaml: 环境配置文件。
  • evaluate.py: 评估脚本。
  • evaluate_nocrash.py: 无碰撞评估脚本。

2. 项目的启动文件介绍

启动文件

  • evaluate.py: 用于评估训练好的模型在 CARLA 中的表现。
  • evaluate_nocrash.py: 用于评估模型在无碰撞场景中的表现。

使用方法

  1. 评估 Leaderboard 路线:

    python evaluate.py --agent-config=[PATH TO CONFIG]
    
  2. 评估 NoCrash 路线:

    python evaluate_nocrash.py --town=[Town01, Town02] --weather=[train, test] --agent-config=[PATH TO CONFIG] --resume
    

    默认情况下,使用 RAILS 配置,对于 LBC 代理,使用 --agent=autoagents/lbc_agent

3. 项目的配置文件介绍

配置文件

  • config.yaml: 项目的主要配置文件,包含训练和评估的参数设置。
  • environment.yaml: 环境配置文件,用于设置 CARLA 和其他依赖项的环境变量。

配置文件示例

# config.yaml
train:
  batch_size: 32
  learning_rate: 0.001
  num_epochs: 100

evaluate:
  agent_config: "path/to/agent/config"
  town: "Town01"
  weather: "train"
# environment.yaml
CARLA_ROOT: "/path/to/carla"
PYTHONPATH: "/path/to/carla/PythonAPI"

通过这些配置文件,用户可以自定义训练和评估的参数,以及设置 CARLA 环境的路径。

登录后查看全文

项目优选

收起
kernelkernel
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
511
551
docsdocs
暂无描述
Markdown
854
5.69 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.5 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
840
1.28 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
849
1.71 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.34 K
859
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
511
347
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
789
414