PaddleWeekly | 入门端到端无人驾驶模拟，这个项目准能行！

点击左上方蓝字关注我们

开源发展至今，越来越多的开发者使用开源代码的同时，也开始将自己的项目和代码大方骄傲地分享出来，在开源当中找到了成就和价值。更多的开发者得益于开源的优势，从加入使用，到共同开发。如此正向循环，不断地推动开源生态发展，开源社区也不断地壮大。

文章太长、技术太硬？点击下方视频即可查看本期的非硬核版本PaddleWeekly项目推荐~

端到端无人驾驶模拟

“汽车机器人概念车，不仅外观炫酷、充满科技感，还可以与人沟通，能根据不同乘车人的爱好来随时改变自己，并主动提供服务。”在前几日的百度世界大会2021中，具有跨时代意义的“汽车机器人”前瞻概念被首次提出，科技感十足。

近年来，智能化已经成为汽车行业的热点之一，其所依靠的“智能化”能力与深度学习也有密不可分的联系。从路面分析中的2D图像全景分割、3D目标检测，到车内语音交互、地图导航，深度学习潜移默化的改变了我们出行生活。

近日，飞桨开发者技术专家（PPDE）肖培楷同学在GitHub上开源了端到端的无人驾驶实现方案，其仿真环境使用了Udacity self-driving-car-sim，借助高自由度的飞桨PaddlePaddle核心框架，成功做到端到端的“无人驾驶”。

在数据集制作方面，由于项目采用了相对简单的Udacity self-driving-car-sim仿真环境，在配置好环境后，我们只需点击训练模式中的录制按钮并辅以人工操作，即可完成简单采集任务，无需自行撰写代码即可快速解决深度学习中数据获取难题。

左、中、右模拟摄像头采集数据

同时，对于开发者而言，培楷同学选择的仿真环境优势显现，在该环境中采集数据无论是刚刚所提到的方式简单，在格式上同样通俗易懂，数据采集只需让“小车”在模拟路面上跑上几个来回，即可获取到大量来自模拟小车的左前、中、右前的“摄像头”采集数据。

训练时，我们只需对这三个部分的数据情况进行建模，通过搭建简单的CNN模型进行特征提取，最终保证可以输出为一个Size为1的数值表示车辆转弯的角度，几个深度学习基础步骤即可完成模型构建，无需“花里胡哨”。

同样，计算损失时，只需将模型推理得到的转弯角度与数据集中真实的角度进行对比即可拿到需要反向传播所需的梯度情况。

当然，对于学习者而言，整体流程入门门槛低也非常关键。项目作者为降低项目入门难度，不仅提供了训练、推理、部署全流程的代码而且还提供了已经训练好的预测模型，更重要的是组网阶段源码完全公开，借助飞桨PaddlePaddle2.0核心框架优秀的组网算子，简单拼接后就能轻松尝试自己构建的“无人驾驶”模型。

如此的天时地利，无需大量门槛也能入门端到端无人驾驶，你准备好了吗？

项目维护者： jm12138

主要框架/工具组件：飞桨PaddlePaddle核心框架、Unity

项目链接：

https://github.com/jm12138/car-behavioral-cloning-paddle

扫码进入项目主页

开源项目不在规模大小，大的开源项目成为行业翘楚，提供全面解决思路和方式，但小项目一样激动人心，创意傲人。

如果你想推荐自己的项目，可将项目链接和简要的描述发送给GT，即有机会参与项目推荐并获得飞桨周边小礼品一份，你的代码也能给别人带来效率和价值！（联系方式微信 / QQ 1029550448）

如有飞桨相关技术问题，欢迎在飞桨论坛中提问交流：

http://discuss.paddlepaddle.org.cn/

欢迎加入官方QQ群获取最新活动资讯：793866180。

如果您想详细了解更多飞桨的相关内容，请参阅以下文档。

·飞桨官网地址·

https://www.paddlepaddle.org.cn/

·飞桨开源框架项目地址·

GitHub: https://github.com/PaddlePaddle/Paddle 

Gitee: https://gitee.com/paddlepaddle/Paddle

????长按上方二维码立即star！????

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

END