PPGeo 开源项目使用教程

PPGeo 开源项目使用教程

PPGeo [ICLR 2023] Pytorch implementation of PPGeo, a fully self-supervised driving policy pre-training framework to learn from unlabeled driving videos. 项目地址: https://gitcode.com/gh_mirrors/pp/PPGeo

1. 项目介绍

PPGeo 是一个完全自监督的驾驶策略预训练框架，旨在从未标记的驾驶视频中学习。该项目由 OpenDriveLab 开发，并在 ICLR 2023 上发表。PPGeo 通过自监督的几何建模方法，为自动驾驶策略提供预训练模型，从而提高自动驾驶系统的性能和鲁棒性。

2. 项目快速启动

2.1 环境搭建

首先，克隆 PPGeo 仓库并构建环境：

git clone https://github.com/OpenDriveLab/PPGeo.git
cd PPGeo
conda env create -f environment.yml --name PPGeo
conda activate PPGeo

2.2 数据准备

根据 ACO 的说明下载驾驶视频数据集，并创建数据集的符号链接：

ln -s DATA_ROOT data

2.3 数据预处理

运行以下命令进行数据预处理：

python ytb_data_preprocess.py

2.4 模型训练

2.4.1 第一阶段训练

python train.py --id ppgeo_stage1_log --stage 1 --epochs 30

2.4.2 第二阶段训练

python train.py --id ppgeo_stage2_log --stage 2 --epochs 20 --ckpt PATH_TO_STAGE1_CKPT

3. 应用案例和最佳实践

3.1 Nuscenes 规划任务

首先下载 nuScenes 数据集，并创建符号链接：

cd nuscenes_planning
cd data
ln -s nuScenes_data_root nuscenes

然后训练规划模型：

python train_planning.py --pretrained_ckpt PATH_TO_STAGE2_CKPT

3.2 导航与动态强化学习

使用 DI-drive 引擎进行数据收集、训练和评估。具体细节可以参考 ACO 的文档。

4. 典型生态项目

4.1 DI-drive

DI-drive 是一个用于自动驾驶数据收集和训练的引擎，与 PPGeo 结合使用可以进一步提升自动驾驶系统的性能。

4.2 nuScenes

nuScenes 是一个广泛使用的自动驾驶数据集，PPGeo 通过预训练模型在 nuScenes 数据集上进行规划任务，展示了其在实际应用中的潜力。

通过以上步骤，您可以快速上手 PPGeo 项目，并将其应用于自动驾驶的各个任务中。

PPGeo [ICLR 2023] Pytorch implementation of PPGeo, a fully self-supervised driving policy pre-training framework to learn from unlabeled driving videos. 项目地址: https://gitcode.com/gh_mirrors/pp/PPGeo