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!