CARLA-Roach

这是论文的官方代码发布 通过模仿强化学习教练实现端到端城市驾驶 作者：张哲骏、Alexander Liniger、戴登新、俞飞跃和Luc van Gool，发表于ICCV 2021。

它包含了基准测试、离线策略数据收集、在线策略数据收集、强化学习训练和使用DAGGER进行模仿学习训练的代码。它还包含了强化学习专家和模仿学习智能体的训练模型。补充视频可以在论文的主页上找到。

离线排行榜

我们评估的"排行榜"是CARLA排行榜的离线版本。正如在论文中进一步详述的那样，离线排行榜有以下设置

地图和路线：按照排行榜公开路线进行训练/测试分割。
指标：遵循排行榜评估和指标。
天气：按照NoCrash进行训练/测试分割。
背景交通：遵循NoCrash

如果想对方法的泛化能力进行彻底研究，可以使用离线排行榜。

在线排行榜的优缺点：

(+) 所有方法都在完全相同的条件下进行评估。

(+) 无需重新评估其他方法。

(-) 对方法的训练方式和训练数据的收集方式没有限制。

离线排行榜的优缺点：

(+) 严格规定了训练和测试环境。

(+) 对基准测试有完全的控制和观察。

(-) 如果基准测试的任何设置发生变化，例如CARLA版本等，您将不得不重新评估其他方法。

安装

请参考INSTALL.md进行安装。我们使用AWS EC2，但您也可以在自己的计算机或集群上安装和运行所有实验。

快速开始：使用Roach收集专家数据集

Roach是一个端到端训练的智能体，比手工制作的CARLA专家驾驶得更好、更自然。要从Roach收集数据集，请使用run/data_collect_bc.sh并修改以下参数：

save_to_wandb：如果您不想将数据集上传到W&B，请设置为False。
dataset_root：保存数据集的本地目录。
test_suites：默认为eu_data，在Town01中收集NoCrash-dense基准测试的数据。可用配置可在此处找到。您也可以创建自己的配置。
n_episodes：要收集的episode数量，每个episode将保存到单独的h5文件中。
agent/cilrs/obs_configs：观察（即传感器）配置，默认为central_rgb_wide。可用配置可在此处找到。您也可以创建自己的配置。
inject_noise：默认为True。如CILRS中介绍的那样，向转向和油门注入三角形噪声，使自我车辆不总是沿车道中心行驶。对模仿学习非常有用。
actors.hero.terminal.kwargs.max_time：一个episode的最大持续时间，以秒为单位。
如果违反交通规则，提前结束episode，以便收集的数据集没有错误。
- actors.hero.terminal.kwargs.no_collision：默认为True。
- actors.hero.terminal.kwargs.no_run_rl：默认为False。
- actors.hero.terminal.kwargs.no_run_stop：默认为False。

基准测试

要对检查点进行基准测试，请使用run/benchmark.sh并修改参数以选择不同的设置。我们推荐使用g4dn.xlarge，并有50 GB的可用磁盘空间用于视频录制。如果您想在后台运行它，请使用screen

screen -L -Logfile ~/screen.log -d -m run/benchmark.sh

训练模型

训练好的模型托管在W&B上的这里。给定相应的W&B运行路径，我们的代码将自动下载并加载检查点和配置yaml文件。以下是我们论文中报告结果所使用的检查点。

要对自动驾驶仪进行基准测试，使用benchmark()并设置agent="roaming"。
要对RL专家进行基准测试，使用benchmark()并设置agent="ppo"，同时将agent.ppo.wb_run_path设置为以下之一。
- iccv21-roach/trained-models/1929isj0：Roach
- iccv21-roach/trained-models/1ch63m76：PPO+beta
- iccv21-roach/trained-models/10pscpih：PPO+exp
要对IL代理进行基准测试，使用benchmark()并设置agent="cilrs"，同时将agent.cilrs.wb_run_path设置为以下之一。
- 为NoCrash基准测试训练的检查点，在DAGGER第5次迭代时：
  - iccv21-roach/trained-models/39o1h862：L_A(AP)
  - iccv21-roach/trained-models/v5kqxe3i：L_A
  - iccv21-roach/trained-models/t3x557tv：L_K
  - iccv21-roach/trained-models/1w888p5d：L_K+L_V
  - iccv21-roach/trained-models/2tfhqohp：L_K+L_F
  - iccv21-roach/trained-models/3vudxj38：L_K+L_V+L_F
  - iccv21-roach/trained-models/31u9tki7：L_K+L_F(c)
  - iccv21-roach/trained-models/aovrm1fs：L_K+L_V+L_F(c)
- 为LeaderBoard基准测试训练的检查点，在DAGGER第5次迭代时：
  - iccv21-roach/trained-models/1myvm4mw：L_A(AP)
  - iccv21-roach/trained-models/nw226h5h：L_A
  - iccv21-roach/trained-models/12uzu2lu：L_K
  - iccv21-roach/trained-models/3ar2gyqw：L_K+L_V
  - iccv21-roach/trained-models/9rcwt5fh：L_K+L_F
  - iccv21-roach/trained-models/2qq2rmr1：L_K+L_V+L_F
  - iccv21-roach/trained-models/zwadqx9z：L_K+L_F(c)
  - iccv21-roach/trained-models/21trg553：L_K+L_V+L_F(c)

可用的测试套件

将参数test_suites设置为以下之一。

NoCrash-busy
- eu_test_tt：NoCrash，繁忙交通，训练城镇和训练天气
- eu_test_tn：NoCrash，繁忙交通，训练城镇和新天气
- eu_test_nt：NoCrash，繁忙交通，新城镇和训练天气
- eu_test_nn：NoCrash，繁忙交通，新城镇和新天气
- eu_test：eu_test_tt/tn/nt/nn，一个文件中包含所有4种条件
NoCrash-dense
- nocrash_dense：NoCrash，密集交通，所有4种条件
LeaderBoard：
- lb_test_tt：LeaderBoard，繁忙交通，训练城镇和训练天气
- lb_test_tn：LeaderBoard，繁忙交通，训练城镇和新天气
- lb_test_nt：LeaderBoard，繁忙交通，新城镇和训练天气
- lb_test_nn：LeaderBoard，繁忙交通，新城镇和新天气
- lb_test：lb_test_tt/tn/nt/nn，一个文件中包含所有4种条件
LeaderBoard-all
- cc_test：LeaderBoard，繁忙交通，所有76条路线，动态天气

收集数据集

我们建议使用g4dn.xlarge来收集数据集。确保实例上有足够的磁盘空间。

收集离线策略数据集

要收集离线策略数据集，使用run/data_collect_bc.sh并修改参数以选择不同的设置。您可以使用Roach（给定一个检查点）或自动驾驶仪来收集离线策略数据集。在我们的论文中，在DAGGER训练之前，IL代理通过行为克隆（BC）使用以这种方式收集的离线策略数据集进行初始化。

您可能想要修改的一些参数：

如果不想将数据集上传到W&B，设置save_to_wandb=False。
通过将参数test_suites设置为以下之一来选择收集数据的环境
- eu_data：NoCrash，训练城镇和训练天气。我们为NoCrash的BC数据集收集n_episodes=80，大约75 GB和6小时的数据。
- lb_data：LeaderBoard，训练城镇和训练天气。我们为LeaderBoard的BC数据集收集n_episodes=160，大约150 GB和12小时的数据。
- cc_data：CARLA Challenge，所有六个地图（Town1-6），动态天气。我们为CARLA Challenge的BC数据集收集n_episodes=240，大约150 GB和18小时的数据。
对于RL专家，使用的检查点通过agent.ppo.wb_run_path和agent.ppo.wb_ckpt_step设置。
- agent.ppo.wb_run_path是记录RL训练并保存检查点的W&B运行路径。
- agent.ppo.wb_ckpt_step是您想使用的检查点的步骤。如果是整数，脚本将找到最接近该步骤的检查点。如果为null，将使用最新的检查点。

收集在线策略数据集

要收集在线策略数据集，使用run/data_collect_dagger.sh并修改参数以选择不同的设置。您可以使用Roach或自动驾驶仪来标记由IL代理（给定一个检查点）生成的在线策略（DAGGER）数据集。这是通过使用IL代理作为驾驶员，Roach/自动驾驶仪作为教练来运行data_collect.py实现的。因此，专家监督是实时生成和记录的。

大多数内容与收集离线策略BC数据集相同。以下是一些变化：

将agent.cilrs.wb_run_path设置为记录IL训练并保存检查点的W&B运行路径。
通过调整n_episodes，我们确保每次迭代的DAGGER数据集大小约为BC数据集大小的20%。
- 对于RL专家，我们使用的n_episodes是BC数据集n_episodes的一半。
- 对于自动驾驶仪，我们使用的n_episodes与BC数据集的n_episodes相同。

训练RL专家

要训练RL专家，使用run/train_rl.sh并修改参数以选择不同的设置。我们建议使用g4dn.4xlarge来训练RL专家，您需要大约50 GB的可用磁盘空间用于视频和检查点。我们在CARLA 0.9.10.1上训练RL专家，因为0.9.11由于未知原因更容易崩溃。

训练IL代理

要训练IL代理，请使用run/train_il.sh并修改参数以选择不同的设置。训练IL代理不需要CARLA，这是一项GPU密集型任务。因此，我们建议使用AWS p实例或您的集群来运行IL训练。我们的实现遵循DA-RB（论文，代码库），该方法使用DAGGER训练CILRS（论文，代码库）代理。

训练从使用离线策略数据集通过行为克隆训练基本CILRS开始。

收集离线策略DAGGER数据集。
训练IL模型。
对训练好的模型进行基准测试。

然后重复以下DAGGER步骤，直到模型达到理想的结果。

收集在线策略DAGGER数据集。
训练IL模型。
对训练好的模型进行基准测试。

对于BC训练，需要设置以下参数。

数据集
- dagger_datasets：字符串向量，对于BC训练，它应该只包含BC数据集的路径（本地或W&B）。
测量向量
- agent.cilrs.env_wrapper.kwargs.input_states可以是[speed,vec,cmd]的子集
- speed：标量自车速度
- vec：指向下一个GNSS航点的2D向量
- cmd：高级命令的独热向量
分支
- 对于6个分支：
  - agent.cilrs.policy.kwargs.number_of_branches=6
  - agent.cilrs.training.kwargs.branch_weights=[1.0,1.0,1.0,1.0,1.0,1.0]
- 对于1个分支：
  - agent.cilrs.policy.kwargs.number_of_branches=1
  - agent.cilrs.training.kwargs.branch_weights=[1.0]
动作损失
- L1动作损失
  - agent.cilrs.env_wrapper.kwargs.action_distribution=null
  - agent.cilrs.training.kwargs.action_kl=false
- KL损失
  - agent.cilrs.env_wrapper.kwargs.action_distribution="beta_shared"
  - agent.cilrs.training.kwargs.action_kl=true
价值损失
- 禁用
  - agent.cilrs.env_wrapper.kwargs.value_as_supervision=false
  - agent.cilrs.training.kwargs.value_weight=0.0
- 启用
  - agent.cilrs.env_wrapper.kwargs.value_as_supervision=true
  - agent.cilrs.training.kwargs.value_weight=0.001
预训练的动作/价值头
- agent.cilrs.rl_run_path和agent.cilrs.rl_ckpt_step用于使用Roach的动作/价值头初始化IL代理的动作/价值头。
特征损失
- 禁用
  - agent.cilrs.env_wrapper.kwargs.dim_features_supervision=0
  - agent.cilrs.training.kwargs.features_weight=0.0
- 启用
  - agent.cilrs.env_wrapper.kwargs.dim_features_supervision=256
  - agent.cilrs.training.kwargs.features_weight=0.05

在DAGGER训练期间，将加载已训练的IL代理，您不能再更改配置。您需要设置

agent.cilrs.wb_run_path：记录先前IL训练和保存检查点的W&B运行路径。
agent.cilrs.wb_ckpt_step：您想使用的检查点的步骤。将其保留为null将加载最新的检查点。
dagger_datasets：字符串向量，按时间倒序排列的DAGGER数据集和BC数据集的W&B运行路径或本地路径，例如[PATH_DAGGER_DATA_2, PATH_DAGGER_DATA_1, PATH_DAGGER_DATA_0, BC_DATA]
train_epochs：如果您想训练更多轮次，可以选择更改此参数。

引用

如果您觉得我们的工作有用，请引用：

@inproceedings{zhang2021roach,
  title = {End-to-End Urban Driving by Imitating a Reinforcement Learning Coach},
  booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  author = {Zhang, Zhejun and Liniger, Alexander and Dai, Dengxin and Yu, Fisher and Van Gool, Luc},
  year = {2021},
}