Python实现自动驾驶测试训练模型
相比于我在之前文章中使用过的模拟器CARLA，highway-env环境包明显更加抽象化，用类似游戏的表示方式，使得算法可以在一个理想的虚拟环境中得到训练，而不用考虑数据获取方式、传感器精度、运算时长等现实问题。对于端到端的算法设计和测试非常友好，但从自动控制的角度来看，可以入手的方面较少，研究起来不太灵活。行动吧，在路上总比一直观望的要好，未来的你肯定会感 谢现在拼搏的自己！如果想学习提升找不到
这篇文章主要为大家介绍了Python实现自动驾驶训练模型，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
一、安装环境
二、配置环境
三、训练模型
1、数据处理
2、搭建模型
3、运行结果
四、总结
一、安装环境
gym是用于开发和比较强化学习算法的工具包，在python中安装gym库和其中子场景都较为简便。
安装gym：
pip install gym安装自动驾驶模块，这里使用Edouard Leurent发布在github上的包highway-env：
pip install --user git+https://github.com/eleurent/highway-env其中包含6个场景：
-
高速公路——“highway-v0”
-
汇入——“merge-v0”
-
环岛——“roundabout-v0”
-
泊车——“parking-v0”
-
十字路口——“intersection-v0”
-
赛车道——“racetrack-v0”
二、配置环境
安装好后即可在代码中进行实验（以高速公路场景为例）：
-
import gym -
import highway_env -
%matplotlib inline -
env = gym.make('highway-v0') -
env.reset() -
for _ in range(3): -
action = env.action_type.actions_indexes["IDLE"] -
obs, reward, done, info = env.step(action) -
env.render()
运行后会在模拟器中生成如下场景：
绿色为ego vehicle env类有很多参数可以配置，具体可以参考原文档。
三、训练模型
1、数据处理
(1)state
highway-env包中没有定义传感器，车辆所有的state (observations) 都从底层代码读取，节省了许多前期的工作量。根据文档介绍，state (ovservations) 有三种输出方式：Kinematics，Grayscale Image和Occupancy grid。
Kinematics
输出V*F的矩阵，V代表需要观测的车辆数量（包括ego vehicle本身），F代表需要统计的特征数量。例：
数据生成时会默认归一化，取值范围：[100, 100, 20, 20]，也可以设置ego vehicle以外的车辆属性是地图的绝对坐标还是对ego vehicle的相对坐标。
在定义环境时需要对特征的参数进行设定：
-
config = \ -
{ -
"observation": -
{ -
"type": "Kinematics", -
#选取5辆车进行观察（包括ego vehicle） -
"vehicles_count": 5, -
#共7个特征 -
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"], -
"features_range": -
{ -
"x": [-100, 100], -
"y": [-100, 100], -
"vx": [-20, 20], -
"vy": [-20, 20] -
}, -
"absolute": False, -
"order": "sorted" -
}, -
"simulation_frequency": 8, # [Hz] -
"policy_frequency": 2, # [Hz] -
}
Grayscale Image
生成一张W*H的灰度图像，W代表图像宽度，H代表图像高度
Occupancy grid
生成一个WHF的三维矩阵，用W*H的表格表示ego vehicle周围的车辆情况，每个格子包含F个特征。
(2) action
highway-env包中的action分为连续和离散两种。连续型action可以直接定义throttle和steering angle的值，离散型包含5个meta actions：
-
ACTIONS_ALL = { -
0: 'LANE_LEFT', -
1: 'IDLE', -
2: 'LANE_RIGHT', -
3: 'FASTER', -
4: 'SLOWER' -
}
(3) reward
highway-env包中除了泊车场景外都采用同一个reward function：
这个function只能在其源码中更改，在外层只能调整权重。（泊车场景的reward function原文档里有，懒得打公式了……）
2、搭建模型
DQN网络的结构和搭建过程已经在我另一篇文章中讨论过，所以这里不再详细解释。我采用第一种state表示方式——Kinematics进行示范。
由于state数据量较小（5辆车*7个特征），可以不考虑使用CNN，直接把二维数据的size[5,7]转成[1,35]即可，模型的输入就是35，输出是离散action数量，共5个。
-
import torch -
import torch.nn as nn -
from torch.autograd import Variable -
import torch.nn.functional as F -
import torch.optim as optim -
import torchvision.transforms as T -
from torch import FloatTensor, LongTensor, ByteTensor -
from collections import namedtuple -
import random -
Tensor = FloatTensor -
EPSILON = 0 # epsilon used for epsilon greedy approach -
GAMMA = 0.9 -
TARGET_NETWORK_REPLACE_FREQ = 40 # How frequently target netowrk updates -
MEMORY_CAPACITY = 100 -
BATCH_SIZE = 80 -
LR = 0.01 # learning rate -
class DQNNet(nn.Module): -
def __init__(self): -
super(DQNNet,self).__init__() -
self.linear1 = nn.Linear(35,35) -
self.linear2 = nn.Linear(35,5) -
def forward(self,s): -
s=torch.FloatTensor(s) -
s = s.view(s.size(0),1,35) -
s = self.linear1(s) -
s = self.linear2(s) -
return s -
class DQN(object): -
def __init__(self): -
self.net,self.target_net = DQNNet(),DQNNet() -
self.learn_step_counter = 0 -
self.memory = [] -
self.position = 0 -
self.capacity = MEMORY_CAPACITY -
self.optimizer = torch.optim.Adam(self.net.parameters(), lr=LR) -
self.loss_func = nn.MSELoss() -
def choose_action(self,s,e): -
x=np.expand_dims(s, axis=0) -
if np.random.uniform() < 1-e: -
actions_value = self.net.forward(x) -
action = torch.max(actions_value,-1)[1].data.numpy() -
action = action.max() -
else: -
action = np.random.randint(0, 5) -
return action -
def push_memory(self, s, a, r, s_): -
if len(self.memory) < self.capacity: -
self.memory.append(None) -
self.memory[self.position] = Transition(torch.unsqueeze(torch.FloatTensor(s), 0),torch.unsqueeze(torch.FloatTensor(s_), 0),\ -
torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype='float32')))# -
self.position = (self.position + 1) % self.capacity -
def get_sample(self,batch_size): -
sample = random.sample(self.memory,batch_size) -
return sample -
def learn(self): -
if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ == 0: -
self.target_net.load_state_dict(self.net.state_dict()) -
self.learn_step_counter += 1 -
transitions = self.get_sample(BATCH_SIZE) -
batch = Transition(*zip(*transitions)) -
b_s = Variable(torch.cat(batch.state)) -
b_s_ = Variable(torch.cat(batch.next_state)) -
b_a = Variable(torch.cat(batch.action)) -
b_r = Variable(torch.cat(batch.reward)) -
q_eval = self.net.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64)) -
q_next = self.target_net.forward(b_s_).detach() # -
q_target = b_r + GAMMA * q_next.squeeze(1).max(1)[0].view(BATCH_SIZE, 1).t() -
loss = self.loss_func(q_eval, q_target.t()) -
self.optimizer.zero_grad() # reset the gradient to zero -
loss.backward() -
self.optimizer.step() # execute back propagation for one step -
return loss -
Transition = namedtuple('Transition',('state', 'next_state','action', 'reward'))
3、运行结果
各个部分都完成之后就可以组合在一起训练模型了，流程和用CARLA差不多，就不细说了。
初始化环境（DQN的类加进去就行了）：
-
import gym -
import highway_env -
from matplotlib import pyplot as plt -
import numpy as np -
import time -
config = \ -
{ -
"observation": -
{ -
"type": "Kinematics", -
"vehicles_count": 5, -
"features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"], -
"features_range": -
{ -
"x": [-100, 100], -
"y": [-100, 100], -
"vx": [-20, 20], -
"vy": [-20, 20] -
}, -
"absolute": False, -
"order": "sorted" -
}, -
"simulation_frequency": 8, # [Hz] -
"policy_frequency": 2, # [Hz] -
} -
env = gym.make("highway-v0") -
env.configure(config)
训练模型：
-
dqn=DQN() -
count=0 -
reward=[] -
avg_reward=0 -
all_reward=[] -
time_=[] -
all_time=[] -
collision_his=[] -
all_collision=[] -
while True: -
done = False -
start_time=time.time() -
s = env.reset() -
while not done: -
e = np.exp(-count/300) #随机选择action的概率，随着训练次数增多逐渐降低 -
a = dqn.choose_action(s,e) -
s_, r, done, info = env.step(a) -
env.render() -
dqn.push_memory(s, a, r, s_) -
if ((dqn.position !=0)&(dqn.position % 99==0)): -
loss_=dqn.learn() -
count+=1 -
print('trained times:',count) -
if (count%40==0): -
avg_reward=np.mean(reward) -
avg_time=np.mean(time_) -
collision_rate=np.mean(collision_his) -
all_reward.append(avg_reward) -
all_time.append(avg_time) -
all_collision.append(collision_rate) -
plt.plot(all_reward) -
plt.show() -
plt.plot(all_time) -
plt.show() -
plt.plot(all_collision) -
plt.show() -
reward=[] -
time_=[] -
collision_his=[] -
s = s_ -
reward.append(r) -
end_time=time.time() -
episode_time=end_time-start_time -
time_.append(episode_time) -
is_collision=1 if info['crashed']==True else 0 -
collision_his.append(is_collision)
我在代码中添加了一些画图的函数，在运行过程中就可以掌握一些关键的指标，每训练40次统计一次平均值。
平均碰撞发生率：
epoch平均时长(s)：
平均reward：
可以看出平均碰撞发生率会随训练次数增多逐渐降低，每个epoch持续的时间会逐渐延长（如果发生碰撞epoch会立刻结束）
四、总结
相比于我在之前文章中使用过的模拟器CARLA，highway-env环境包明显更加抽象化，用类似游戏的表示方式，使得算法可以在一个理想的虚拟环境中得到训练，而不用考虑数据获取方式、传感器精度、运算时长等现实问题。
对于端到端的算法设计和测试非常友好，但从自动控制的角度来看，可以入手的方面较少，研究起来不太灵活。
行动吧，在路上总比一直观望的要好，未来的你肯定会感 谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时，请及时加入扣群： 320231853，里面有各种软件测试+开发资料和技术可以一起交流学习哦。
最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：
这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
11
0- 0
已为社区贡献23条内容
所有评论(0)