Github项目推荐 | 条件模仿学习训练框架

by Felipe Codevilla

本项目可以方便地对模拟学习网络的培训进行训练和管理，并结合CARLA模拟器进行评估。目的是：

• 用户使用单个命令就能执行多次训练。
• 用CARLA自动测试已经训练过的系统。
• 允许用户一眼就能监控CARLA的多项训练和测试。
• 允许执行“基于视觉的驾驶模型的离线评估”一文中提出的测试方法。
• 允许使用“探索自动驾驶行为克隆的局限性（论文）”一文中的模型。
• 你还可以使用CARLA挑战中的基线。

Github项目链接：

https://github.com/felipecode/coiltraine

系统概览

COiLTRAiNE框架允许同时进行训练，在CARLA中的场景中驾驶和对一些静态数据集的控制进行预测。 该过程可以同时在几个实验中完成。

开始

准备工具：

• 硬件：具有能运行虚幻引擎的专用GPU的计算机。 GPU建议使用NVIDIA 1070或更高版本。
• 操作系统：兼容CARLA (16.04)的Ubuntu

安装：

为了安装COiLTRAiNE，我们提供了一个conda环境需求文件。首先在一些文件夹中克隆项目仓库，然后只需运行以下命令即可安装：

conda env create -f requirements.yaml

设置环境/获取数据：

首先你需要定义数据集文件夹。 这个文件夹将会包含训练和验证数据集。

export COIL_DATASET_PATH=<Path to where your dataset folders are>

通过运行下列命令，下载一个示例数据集包，其中包含一个训练包和两个验证包：

python3 tools/get_sample_datasets.py

数据集、CoILTrain、CoILVal1和CoILVal2 将存储在 COIL_DATASET_PATH 文件夹中。

要收集其他数据集，请查看数据收集器项目：https://github.com/carla-simulator/data-collector

获取CARLA

注意：自动场景评估只适用于CARLA 0.8。你可以 训练和评估 CARLA 0.9.X 中的代理

如果要在CARLA中进行方案评估，必须在docker下安装CARLA 0.8.4或CARLA 0.8.2。本教程将会介绍如何在docker下安装CARLA。

执行

假设你的CARLA docker的docker图像名称为“carlasim/carla:version”，则可以通过运行以下命令来执行coiltraine系统：

python3 coiltraine.py --folder sample --gpus 0 -de TestT1_Town01 -vd CoILVal1 --docker carlasim/carla:version

其中 --folder 样本是包含所有将要训练和验证的实验的实验批次。TestT1是Town01上的驱动方案，定义为 drive/suites 文件夹中的一个类。 验证数据集作为参数与 -vd 一起传递，并且应该放在 COIL_DATASET_PATH 文件夹中。

期望输出

你应该能在终端上看到彩色屏幕：

完成训练和验证后，终端屏幕应该会开始如下所示：

由于在Docker下运行的CARLA是在屏幕外运行的，因此你不会看到任何CARLA服务器在屏幕中弹出通知。另外需要注意的是，这里的示例是在样本数据上进行训练，并且在样本的基准上进行测试，因此产生的驾驶模型质量会很差。建议测试条件模型动物园中的一些模型，以获得高性能的条件模仿模型。

条件模型动物园

• 有条件的模仿学习
• 条件模仿学习CARLA（论文）
• 基于视觉的驾驶模型的离线评估（论文）
• 探索自动驾驶行为克隆的局限性（论文）