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:30 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

 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,(statenext_state,actionreward

))

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)

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:

常用数据结构 | Excel基础 | 数据库操作 | Scrapy框架 | Numpy | SQL结构化查询语言 | 数据分析练习 |面向对象编程 | 项目实战 | Matplotlib

点击【阅读原文】抢占14天试听体验课名额

在线咨询

点击这里给我发消息售前咨询专员

点击这里给我发消息售后服务专员

在线咨询

免费通话

24h咨询:400-888-8888


如您有问题,可以咨询我们的24H咨询电话!

免费通话

微信扫一扫

微信联系
返回顶部