diff --git a/docs/build_faq.md b/docs/build_faq.md index f055e01b..8b9f32c6 100644 --- a/docs/build_faq.md +++ b/docs/build_faq.md @@ -53,6 +53,7 @@ Carla 论坛 ## 运行 Carla +* [运行Carla_0.9.12.sh时候报错：error while loading shared libraries: libomp.so.5](#load_libraries) * [在虚幻编辑器中运行服务器时 FPS 速率较低。](#low-fps-rate-when-running-the-server-in-unreal-editor) * [无法运行脚本。](#cant-run-a-script) * [当在虚幻编辑器中运行时链接到模拟器。](#connect-to-the-simulator-while-running-within-unreal-editor) @@ -351,6 +352,12 @@ carla/Unreal/CarlaUE4/Plugins/Carla/Source/Carla/Vehicle/CustomTerrainPhysicsCom ## 运行 Carla +###### 运行Carla_0.9.12.sh时候报错：error while loading shared libraries: libomp.so.5。 + +> sudo apt-get install libomp5 + + + ###### 在虚幻编辑器中运行服务器时 FPS 速率较低。 > 虚幻4编辑器在失焦时会进入低性能模式。 diff --git a/docs/course/auto_signal_control.md b/docs/course/auto_signal_control.md index fa5fd278..9b8697f6 100644 --- a/docs/course/auto_signal_control.md +++ b/docs/course/auto_signal_control.md @@ -1,6 +1,6 @@ # 自动信号控制 -这是一个基于Flask的应用程序，用于控制[Carla模拟环境](https://pan.baidu.com/s/15T1hGoWJ70tVmsTX7-zcSw?pwd=hutb)中的红绿灯。该应用程序通过检测路口的交通流量动态调整红绿灯的时长，以优化交通通行效率。 +这是一个基于Flask的应用程序，用于控制 [Carla模拟环境](https://pan.baidu.com/s/15T1hGoWJ70tVmsTX7-zcSw?pwd=hutb) 中的红绿灯。该应用程序通过检测路口的交通流量动态调整红绿灯的时长，以优化交通通行效率。 #### 主要功能 @@ -89,13 +89,13 @@ def get_vehicles_in_intersection(world, intersection_location, intersection_radi **5.返回结果**：返回当前红绿灯的状态和调整后的时长信息。 ``` - response_data = { - "traffic_lights": [ - {"id": traffic_ids}, - {"init_green_time": traffic_init_green_time}, - {"last_green_time": last_green_time} - ] - } +response_data = { + "traffic_lights": [ + {"id": traffic_ids}, + {"init_green_time": traffic_init_green_time}, + {"last_green_time": last_green_time} + ] + } ``` #### 使用步骤 diff --git a/docs/index.md b/docs/index.md index 055338cd..5fe5f20d 100644 --- a/docs/index.md +++ b/docs/index.md @@ -169,6 +169,8 @@ title: 主页 ## 基准测试 +[__自动驾驶排行榜__](leaderboard.md) - 评估自动驾驶人员在现实交通场景中的驾驶熟练程度 + [__驾驶基准__](benchmark_start.md) — 用于评估驾驶控制器（代理）并获取有关其性能的指标 [__基准性能__](adv_benchmarking.md) — 分析 Carla 在自己的环境中的性能 diff --git a/docs/leaderboard.md b/docs/leaderboard.md index 78be541d..57b677a7 100644 --- a/docs/leaderboard.md +++ b/docs/leaderboard.md @@ -1,9 +1,14 @@ - -# 概述 +# [概述](https://leaderboard.carla.org/) + Carla 自动驾驶排行榜的主要目标是评估自动驾驶人员在现实交通场景中的驾驶熟练程度。排行榜作为社区的开放平台，对自动驾驶汽车代理进行公平且可重复的评估，简化了不同方法之间的比较。排行榜目前为 2.0 版本，仍支持 1.0 版本。 +* [开始](leaderboard_get_started.md) +* [提交](leaderboard_submit.md) +* [排行榜](https://leaderboard.carla.org/leaderboard/) +* [挑战](leaderboard_challenge.md) # 任务 + Carla 自动驾驶排行榜要求自动驾驶代理驾驶通过一组预定义的路线。对于每条路线，代理将在起点进行初始化，并引导其行驶至目的地点，并通过 GPS 样式坐标、地图坐标或路线指令提供路线描述。路线是在多种情况下定义的，包括高速公路、城市地区、住宅区和乡村环境。排行榜评估各种天气条件下的自动驾驶代理，包括日光场景、日落、雨、雾和夜晚等。 ![motif_large](img/leaderboard/motif_large.png) @@ -78,24 +83,25 @@ Carla 自动驾驶排行榜中的交通状况图解。 为了节省计算资源，预选赛将允许使用比主要竞争对手更严格的传感器套件，包括 0-4 个 RGB 摄像头、0-2 个雷达和 0-1 个激光雷达，以及全球导航卫星系统、IMU 和速度计（以及用于 MAP 赛道的 OpenDRIVE）。我们鼓励您使用限定符来确保您的自动驾驶堆栈已正确配置并在排行榜上正常运行。 # 评估和指标 -代理的驾驶熟练程度可以通过多种指标来表征。对于这个排行榜，我们选择了一组有助于了解驾驶不同方面的指标。虽然所有路由都具有相同类型的指标，但它们各自的值是单独计算的。具体指标如下： +代理的驾驶熟练程度可以通过多种指标来表征。对于这个排行榜，我们选择了一组有助于了解驾驶不同方面的指标。虽然所有路线都具有相同类型的指标，但它们各自的值是单独计算的。具体指标如下： -* **驾驶分数**：\({R_i P_i},\) — 排行榜的主要指标，作为路线完成与违规处罚之间的乘积。这里\(Ri\)是 \(i−th\) 路线的完成百分比，而\(Pi\)是 \(i−th\) 路线的违规处罚。 +* **驾驶分数**：\({R_i P_i},\) — 排行榜的主要指标，作为路线完成与违规处罚之间的乘积。这里\(R_i\)是第 \(i\) 条路线的完成百分比，而\(P_i\)是第 \(i\) 条路线的违规处罚。 -* **路线完成**：客服人员完成的路线距离的百分比。 +* **路线完成**：代理完成的路线距离的百分比。 -* **违规处罚**: \(\prod_j^{\text{ped., ..., stop}} ({p_i^j})^{\text{#infractions}_j}.\) — 排行榜跟踪多种类型的违规行为该指标将代理触发的所有违规行为汇总为几何级数。代理的理想基础分数是1.0，每犯下一种类型的违规，该分数都会降低。 +* **违规处罚**: \(\prod_j^{\text{ped., ..., stop}} ({p_i^j})^{\text{#infractions}_j}.\) — 排行榜跟踪多种类型的违规行为，并且该指标将代理触发的所有违规行为汇总为几何级数。代理的理想基础分数是1.0，每犯下一种类型的违规，该分数都会降低。 -当所有路由完成后，还会生成前三种类型中每一种的全局度量，即所有单独路由组合的算术平均值。全局驾驶分数是对您与其他参与者进行分类的主要指标。 +当所有路线完成后，还会生成前三种类型中每一种的全局度量，即所有单独路线组合的算术平均值。全局驾驶分数是对您与其他参与者进行分类的主要指标。 + +## 违规和停机事件 -## 违规和关闭事件 Carla 排行榜提供了一系列违规行为的单独指标。其中每一个都有一个惩罚系数，每次发生时都会应用该系数。按严重程度排序，违规行为如下。 -* **与行人相撞**— 0.50. -* **与其他车辆相撞**— 0.60. -* **与静态元素的碰撞**- 0.65. -* **闯红灯**—— 0.70。 -* **运行停车标志**— 0.80. +* **与行人相撞**— 0.50 +* **与其他车辆相撞**— 0.60 +* **与静态元素的碰撞**- 0.65 +* **闯红灯**—— 0.70 +* **面对停车标志行驶**— 0.80 某些场景的行为可以无限期地阻止自我车辆。这些场景将有 4 分钟的超时时间，之后自动车辆将被释放以继续路线。但是，如果超过时限，则会受到处罚： @@ -113,30 +119,32 @@ Carla 排行榜提供了一系列违规行为的单独指标。其中每一个 此外，某些事件会中断模拟，从而阻止代理继续进行。在这些情况下，正在模拟的路线将被关闭，排行榜将移至下一条，正常触发。 -* **路线偏差** 30- 如果客服人员偏离指定路线超过米。 +* **路线偏差** 30- 如果代理偏离指定路线超过米。 * **代理被阻止** 180— 如果代理在模拟秒内没有采取任何操作。 * **模拟超时**——如果在几秒钟内无法建立客户端-服务器通信60。 * **路线超时**- 如果路线模拟花费太长时间才能完成。 每次发生上述任何情况时，都会记录一些详细信息，这些详细信息将显示为列表，供您查看路线的各个指标。以下是代理闯红灯并偏离路线的路线示例。 - - "infractions": { - "Collisions with layout": [], - "Collisions with pedestrians": [], - "Collisions with vehicles": [], - "Red lights infractions": [ - "Agent ran a red light 203 at (x=341.25, y=209.1, z=0.104)" - ], - "Stop sign infractions": [], - "Off-road infractions": [], - "Min speed infractions": [], - "Yield to emergency vehicle infractions": [], - "Scenario timeouts": [], - "Route deviations": [ - "Agent deviated from the route at (x=95.92, y=165.673, z=0.138)" - ], - "Agent blocked": [], - "Route timeouts": [] - } +```json +"infractions": { + "Collisions with layout": [], + "Collisions with pedestrians": [], + "Collisions with vehicles": [], + "Red lights infractions": [ + "Agent ran a red light 203 at (x=341.25, y=209.1, z=0.104)" + ], + "Stop sign infractions": [], + "Off-road infractions": [], + "Min speed infractions": [], + "Yield to emergency vehicle infractions": [], + "Scenario timeouts": [], + "Route deviations": [ + "Agent deviated from the route at (x=95.92, y=165.673, z=0.138)" + ], + "Agent blocked": [], + "Route timeouts": [] +} +``` + !!! 笔记 全局违规行为将各个路线的数据压缩为单个值，并以每公里的事件数给出。 diff --git a/docs/leaderboard_get_started.md b/docs/leaderboard_get_started.md index 5d1997ba..d247ae9e 100644 --- a/docs/leaderboard_get_started.md +++ b/docs/leaderboard_get_started.md @@ -123,10 +123,10 @@ cd ${CARLA_ROOT} ## 了解排行榜组件 运行测试时，我们设置了一系列参数。让我们了解一下它们以及它们在排行榜中的作用。 -* ROUTES (XML) — 将用于模拟的路线集。每条路线都有一个起点（第一个路径点）和一个终点（最后一个路径点）。此外，它们还可以包含天气概况来设置特定的天气条件。一份 XML 包含许多路由，每条路由都有一个 ID。用户可以修改、添加和删除路线以进行培训和验证。排行榜附带了一组用于调试、训练和验证的路线。用于在线评估的路线是秘密的。该文件还包括将在模拟中测试的场景，每条路线都有自己的一组场景。场景被定义为交通状况。特工必须克服这些场景才能通过测试。参与者可以访问一组适用于公共城镇的交通场景。存在使用不同参数实例化的多种类型的场景。以下是可用方案的列表。 +* `ROUTES` (XML) — 将用于模拟的路线集。每条路线都有一个起点（第一个路径点）和一个终点（最后一个路径点）。此外，它们还可以包含天气概况来设置特定的天气条件。一份 XML 包含许多路由，每条路由都有一个 ID。用户可以修改、添加和删除路线以进行培训和验证。排行榜附带了一组用于调试、训练和验证的路线。用于在线评估的路线是秘密的。该文件还包括将在模拟中测试的场景，每条路线都有自己的一组场景。场景被定义为交通状况。特工必须克服这些场景才能通过测试。参与者可以访问一组适用于公共城镇的交通场景。存在使用不同参数实例化的多种类型的场景。以下是可用场景的列表。 -* REPETITIONS (int) — 出于统计目的，每条路线重复的次数。 -* TEAM_AGENT (Python 模块) — 代理的 Python 模块的路径。创建代理的步骤将在下一步中解释。 +* `REPETITIONS` (int) — 出于统计目的，每条路线重复的次数。 +* `TEAM_AGENT` (Python 模块) — 代理的 Python 模块的路径。创建代理的步骤将在下一步中解释。 其他相关参数如下所述。 diff --git a/docs/leaderboard_submit.md b/docs/leaderboard_submit.md index 4d17badf..ae12a7c0 100644 --- a/docs/leaderboard_submit.md +++ b/docs/leaderboard_submit.md @@ -2,7 +2,7 @@ # 为排行榜2.0版提交代理 !!! 笔记 - 将您的代理提交给 Carla 自动驾驶排行榜，即表示您接受了使用条款。本页介绍了提交Leaderboard 2.0版本的代理，如果您使用的是Leaderboard1.0版本，请参阅本提交指南。 + 将您的代理提交给 Carla 自动驾驶排行榜，即表示您接受了使用条款。本页介绍了提交Leaderboard 2.0 版本的代理，如果您使用的是Leaderboard1.0版本，请参阅本提交指南。 ## 一般步骤 为了创建并提交您的代理，您应该拥有排行榜项目和 scenario_runner 的副本。如果不是这种情况，请先访问“入门”部分。 @@ -52,14 +52,14 @@ ${LEADERBOARD_ROOT}/scripts/make_docker.sh [--ros-distro|-r ROS_DISTRO] ## 创建新团队 -在 Eval AI 注册用户后，通过单击“参与者团队”部分创建一个新团队，如下所示。所有参与者都需要在 Carla 排行榜 2.0 中注册一个团队。 +在 Eval AI 注册用户后，通过单击“参与者团队”部分创建一个新团队（已创建团队OpenHUTB），如下所示。所有参与者都需要在 Carla 排行榜 2.0 中注册一个团队。 ![](img/leaderboard/carla_team_added.png) AlphaDrive UI 中的团队创建屏幕。 ## 申请加入 Carla 排行榜 -转至“所有挑战”部分并找到 Carla 排行榜挑战，或使用 [此链接](https://eval.ai/web/challenges/challenge-page/2098/overview) 。选择“参与”，然后选择一个参与团队来申请挑战。您需要等待 Carla 排行榜管理员验证您的团队。一旦您的团队通过验证，您就可以开始提交。 +转至“所有挑战”部分并找到 Carla 排行榜挑战，或使用 [Carla AD Challenge 2.0 链接](https://eval.ai/web/challenges/challenge-page/2098/overview) 。选择“参与”，然后选择一个参与团队来申请挑战。您需要等待 Carla 排行榜管理员验证您的团队。一旦您的团队通过验证，您就可以开始提交。 ![](img/leaderboard/benchmark.png) 基准部分。 diff --git a/docs/used_by.md b/docs/used_by.md index 447c7e20..fdb4b96c 100644 --- a/docs/used_by.md +++ b/docs/used_by.md @@ -2,16 +2,14 @@ - + - + ## 感知 - - [驾驶事故视频识别](https://github.com/pichayakorn/carla-temporal-collage-prompting) [车辆之间的协作感知](https://github.com/chensiweiTHU/WHALES) @@ -443,6 +441,8 @@ [AI 可解释性模块集合](https://github.com/willparker123/fat-face) +[端到端自动驾驶中整体一致的可解释性](https://github.com/Robot-K/Hint-AD) + ## 安全 [联网和自动驾驶汽车的攻击模拟框架](https://github.com/tum-esi/simutack) - 包含系统代码和视频