AI实战，用Python玩个自动驾驶！

行业资讯

admin

发布时间：2024-04-24

浏览：33 次

▼点击下方图片搜索暗号【面试大全】，立即领取面试题+简历模板。

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”

详细文档可以参考这里：

https://highway-env.readthedocs.io/en/latest/

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：

env类有很多参数可以配置，具体可以参考原文档。

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）

2、搭建模型

DQN网络，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

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_):

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):

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_)

((dqn.position !=0)&(dqn.position % 99==0)):

loss_=dqn.learn()

count+=1

print(trained times:

,count)

(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

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）

总结

相比于模拟器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。

近期课程上新：

▼点击【阅读原文】抢占14天试听体验课名额

上一篇 : Genshi，一个超酷的Python库

下一篇 : wordpress新手建站00：wordpress建站的几大步骤

AI实战，用Python玩个自动驾驶！

相关推荐

关于明升M88博彩

明升M88博彩新闻

客户案例

联系我们

在线咨询

免费通话

微信扫一扫