Carla-PPO 项目使用教程

1. 目录结构及介绍

Carla-PPO 项目是一个基于 Carla 仿真环境的 PPO（Proximal Policy Optimization）强化学习训练框架。以下是项目的目录结构及其介绍：

Carla-PPO/
├── CarlaEnv/             # 包含与 Carla 环境交互的代码
│   ├── carla_lap_env.py  # Lap 环境的实现
│   └── carla_route_env.py # Route 环境的实现
├── doc/                  # 项目文档
├── models/               # 存储预训练模型和训练过程中的模型权重
│   └── pretrained_agent/ # 预训练的代理人模型
├── pretrained_agent/     # 预训练代理人的权重文件
├── reward_functions.py   # 定义了不同的奖励函数
├── run_eval.py           # 运行预训练模型进行评估的脚本
├── train.py              # 训练新模型的脚本
├── utils.py              # 通用工具函数
├── vae/                  # 变分自编码器相关文件
│   ├── collect_data.py   # 收集数据用于 VAE 训练
│   ├── inspect_vae.py    # 查看和评估 VAE 的重构效果
│   └── train_vae.py      # 训练 VAE 的脚本
└── README.md             # 项目说明文件

2. 项目的启动文件介绍

项目的启动主要涉及两个脚本：run_eval.py 和 train.py。

• run_eval.py：用于加载预训练的 PPO 代理人模型，在 Carla 环境中运行以进行评估。运行此脚本前需要设置环境变量 ${CARLA_ROOT} 指向 Carla 安装目录的顶层。

• train.py：用于训练新的 PPO 代理人模型。运行此脚本前同样需要设置 ${CARLA_ROOT} 环境变量，并指定模型名称。

3. 项目的配置文件介绍

项目的配置主要通过命令行参数进行，如 train.py 脚本中的 --model_name 用于指定模型名称，-start_carla 用于启动 Carla 仿真环境。

此外，项目可能涉及以下几个配置文件：

• DefaultGame.ini：位于 Carla 的 Unreal/CarlaUE4/Config/ 目录下，用于配置 Carla 仿真环境的默认设置，如地图等。

• VAE 训练和评估的配置文件：位于 vae/ 目录下，通常为 Python 脚本中的参数配置，如 train_vae.py 中的 --model_name 和 --dataset 参数。

确保正确配置这些文件和参数，以便顺利运行和训练项目。