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
-
评估 Leaderboard 路线:
python evaluate.py --agent-config=[PATH TO CONFIG] -
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
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0582- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript028
paper-ai搜索真实文献并生成引用对应文献的AI论文TSX03
phyaiPhyAI 是一个用于运行 Physical AI 模型(VLA、WAM 等)的高性能框架,支持云端推理服务和端侧部署。Python00
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
xiaobei专门为 OPC / 中小微企业准备的自媒体获客智能体Markdown02
项目优选
收起
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
暂无描述
Markdown
854
5.69 K
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
deepin linux kernel
C
33
16
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
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
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
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-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 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