借助 GPU 和容器支持，在 Amazon Robomaker 中运行任何高保真模拟

点击上方【凌云驭势 重塑未来】

一起共赴年度科技盛宴！

本博客引用了 Amazon RoboMaker 集成式开发环境（IDE），这是一项已弃用的功能。要继续阅读这篇博客，请使用 Amazon Cloud9 IDE。请参阅我们更新的博客，了解如何在 Amazon Cloud9 中构建和模拟机器人应用程序。

在 Amazon Cloud9 中构建和模拟机器人应用程序：

https://aws.amazon.com/cn/blogs/robotics/robotics-development-in-aws-cloud9/

简介

高保真模拟可以为每个对象渲染更多的多边形，这为对象提供了更多细节、更多纹理和更好的照明和阴影，从而使模拟更加逼真。相比不太真实的模拟，在接近现实世界的模拟中，机器人开发人员可以更准确地测试和训练感知模型。通过高保真模拟，还可以生成用于训练机器学习模型的逼真合成图像，从而减少了从现实世界中捕获图像的需求，并加快了模型开发速度。为了支持高保真模拟，Amazon RoboMaker 现在支持专为计算密集型工作流设计的基于 GPU 的模拟作业，例如高保真模拟。基于 GPU 的模拟还支持更高的每秒帧数、更灵敏的模拟交互，以及更高的相机和激光扫描仪感应性能。这些功能进一步缩小了模拟与现实世界之间的差距。以前，Amazon RoboMaker 模拟作业只能在中央处理器单元（CPU）上运行，现在您可以选择为模拟作业添加 GPU。

此外，Amazon RoboMaker 现在使您能够灵活地使用所选的机器人软件和模拟器，从而可以使用 CARLA、Ignition、Drake 或 Nvidia Isaac Sim 等模拟器，以及 Unity 或 Unreal Engine 等高保真渲染引擎，在 Amazon RoboMaker 中运行模拟。开发人员可以使用 Docker 或类似的构建工具以及所选的模拟器和渲染引擎来构建符合 Open Container Initiative (OCI) 要求的容器，将其上传到 Amazon Elastic Container Repository (ECR)，然后将其用作模拟应用程序。现在，开发人员可以使用适合其使用案例的机器人软件和模拟器。开发人员仍然可以在机器人应用程序中使用 ROS，包括较旧版本（如 ROS Kinetic），这样就无需升级系统；或者较新版本（如 ROS2 Galactic）。他们也可以运行自定义机器人应用程序，而不使用 ROS。

总而言之，Amazon RoboMaker 发布了一些功能，能够提供：

1. 基于 GPU 的计算 – 使开发人员能够使用 GPU 运行模拟，从而进行高保真模拟、视觉处理和机器学习。

2. 模拟器选择权 – 使开发人员能够使用任何模拟器在存储于 Amazon Elastic Container Repository (ECR) 的容器中运行模拟。

3. 机器人软件的灵活性 – 使开发人员也能够在存储于 ECR 的容器中运行自定义机器人应用程序，或运行自定义 ROS 版本（如较旧的 ROS 发行版）。

接下来，我们将演练在 Amazon RoboMaker 中使用高保真模拟构建、上传和运行容器的过程。

CARLA:

http://carla.org/

Ignition:

https://gazebosim.org/home

Drake:

https://drake.mit.edu/

Nvidia Isaac Sim:

https://developer.nvidia.com/isaac-sim

Unity:

https://unity.com/

Unreal Engine:

https://www.unrealengine.com/zh-CN

Docker:

https://www.docker.com/

Open Container Initiative:

https://opencontainers.org

Kinetic:

http://wiki.ros.org/kinetic

Galactic:

https://docs.ros.org/en/rolling/Releases/Release-Galactic-Geochelone.html

教程

本教程对三个部分进行了详细说明：

• 第1部分 – 构建示例容器

• 第2部分 – 将容器上传到 Amazon Elastic Container Registry (ECR)

• 第3部分 – 使用容器和 GPU 开始 Amazon RoboMaker 模拟

先决条件

一个拥有 Amazon RoboMaker 和 Amazon ECR 访问权限的 Amazon 账户。

第1部分

构建示例容器

我们要构建和运行的容器基于 CARLA 开源自动驾驶模拟器，该模拟器使用 Unreal Engine4 制作高保真度图形。

CARLA:

https://carla.readthedocs.io/en/latest/

1.1 – 创建开发环境

开始学习本教程时，我们将创建一个 Amazon RoboMaker 集成式开发环境（IDE）。在 Amazon RoboMaker 菜单中，选择 Development Environments (开发环境)，然后选择 Create environment (创建环境)。

将您的环境命名为 carla-env，选择 Foxy (Latest)[Foxy (最新)] 作为 ROS 发行版，选择 m4.xlarge 作为实例类型，然后单击 Create (创建)。

几秒钟后，您应该会看到开发环境出现。

1.2 – 构建容器映像

在开发环境的下部窗口窗格中，使用 bash 终端创建一个名为“carla-examples”的新文件夹。

mkdir carla-examples && cd carla-examples

左滑查看更多

在开发环境的上部窗口窗格中，创建一个新文件，并将以下内容复制到该文件中：

FROM carlasim/carla:0.9.11
USER root


# 安装依赖项
RUN apt update && \
      apt install -y python3-pip \
      libjpeg-dev \
      libtiff5-dev \
      libomp-dev \
      fontconfig


# 修复 ALSA 错误
RUN echo pcm.!default { type plug slave.pcm "null" } >> /etc/asound.conf


# 安装 NICE DCV（对于 RoboMaker）
RUN apt update -y && apt upgrade -y && apt install -y wget pgp
RUN wget https://d1uj6qtbmh3dt5.cloudfront.net/NICE-GPG-KEY
RUN gpg --import NICE-GPG-KEY
RUN wget https://d1uj6qtbmh3dt5.cloudfront.net/2021.1/Servers/nice-dcv-2021.1-10598-ubuntu1804-x86_64.tgz
RUN tar -xvzf nice-dcv-2021.1-10598-ubuntu1804-x86_64.tgz
RUN apt update && apt install -y ./nice-dcv-2021.1-10598-ubuntu1804-x86_64/nice-dcv-gl_2021.1.937-1_amd64.ubuntu1804.deb \
                                 ./nice-dcv-2021.1-10598-ubuntu1804-x86_64/nice-dcv-gltest_2021.1.275-1_amd64.ubuntu1804.deb


# 安装 opengl 
RUN apt update && apt install -y libglfw3 libglfw3-dev


# 安装 xterm
RUN apt update && apt install -y xterm


# 以用户 carla 身份运行
USER carla


# 安装示例依赖项
RUN python3 -m pip install -U pip
RUN cd ~/PythonAPI/examples && python3 -m pip install -r requirements.txt


# 设置 carla python API 路径
ENV PYTHONPATH=/home/carla/PythonAPI/carla/dist/carla-0.9.11-py3.7-linux-x86_64.egg


ENTRYPOINT ["/bin/bash", "-c"]

左滑查看更多

将该文件作为 Dockerfile 保存到 carla-examples 文件夹，然后构建容器映像。

sudo docker build -t carla-examples:latest ./

左滑查看更多

第2部分

将容器上传到 

Amazon Elastic Container Registry(ECR)

2.1 – 在 ECR 中创建存储库来存储容器映像

在 bash 终端中，使用 Amazon 命令行界面（CLI）在 ECR 中为我们的容器映像创建存储库。

Amazon 命令行界面：

https://aws.amazon.com/cn/cli/

aws ecr create-repository --repository-name carla-examples

左滑查看更多

该命令将返回一个包含“repositoryUri”值的 JSON 结构。使用该值登录 ECR。

aws ecr get-login-password | sudo docker login --username AWS --password-stdin <repositoryUri>

左滑查看更多

您应该会收到 Login Succeeded (登录成功) 的响应。

2.2 – 将容器映像上传到 ECR

使用与之前相同的<repositoryUri>标记映像。

sudo docker tag carla-examples:latest <repositoryUri>

左滑查看更多

将映像上传（推送）到 ECR。

sudo docker push <repositoryUri>

左滑查看更多

第3部分 

使用容器和 GPU 

开始 Amazon RoboMaker 模拟

对于本教程的最后一部分，打开 Amazon RoboMaker 控制台的一个选项卡。

在左侧菜单中，选择 Simulation jobs (模拟作业)，然后单击 Create simulation job (创建模拟作业)。

在 Configure simulation (配置模拟) 页面上，选择 General (常规) 作为机器人软件套件。这是一项支持自定义容器的新功能。

选择 Create new role (创建新角色) 和“robomaker-simulation” 作为您的 IAM 角色名称。

对于 Compute type (计算类型)，选择 CPU and GPU (CPU 和 GPU) 以将 GPU 添加到 RoboMaker 模拟。选择 Next (下一步) 继续。

Amazon RoboMaker 控制台：

https://aws.amazon.com/cn/robomaker/

在 Specify robot application (指定机器人应用程序) 屏幕上，为机器人应用程序选择 None (无)，然后选择 Next (下一步) 继续。

接下来，在 Specify simulation application (指定模拟应用程序) 屏幕上，选择 Create new application (创建新应用程序)。

将应用程序命名为“carla-examples-sim”，然后选择 Simulation runtime (模拟运行时) 作为模拟软件套件。

选择 Provide a container image for an environment (为环境提供容器映像)。然后选择 Browse ECR (浏览 ECR) 找到您之前创建的容器存储库，并选择最新版本。

对于 Launch command (启动命令)，请使用“./CarlaUE4.sh -opengl”，然后选中 Run with streaming session (使用流媒体会话运行) 旁边的复选框。

向模拟会话添加两个终端（xterm），这样我们就可以与该会话交互。要添加 xterm，请选择 Customize tools (自定义工具)，然后选择 Add tool (添加工具)。

在 Add tool (添加工具) 窗口中，将 Tool name (工具名称) 设置为“xterm”，将 Command (命令) 设置为“/usr/bin/xterm”。

在 Exit behavior (退出行为) 列表中选择 Restart (重新启动)，并在 Output Settings (输出设置) 中选择 Enable UI streaming (启用 UI 流式传输)。然后选择 Add tool (添加工具) 按钮继续。

重复上面的 Add tool (添加工具) 步骤，添加一个名为“xterm2”的第二个终端，使用“/usr/bin/xterm”命令，其余选项与第一个终端相同。

滚动到屏幕底部，选择 Next (下一步)。

最后，在下一个屏幕上检查所有字段是否看起来正确，然后选择 Create (创建)。这将启动您的模拟作业。

启动这项作业需要几分钟时间。创建作业后，单击 Simulation application (模拟应用程序) 上的 Connect (连接) 按钮查看模拟。

CARLA UE4 应用程序将显示在新的浏览器窗口中。

使用键盘在模拟环境中导航相机视图；“w”是向前移动，“s”是向后移动，“a”是向左移动，“d”是向右移动。

城市模拟一开始空无一物，要向其中添加车辆和行人，请单击 Connect (连接) 打开 xterm 应用程序。

在 xterm 窗口中，运行 spawn_npc.py 脚本。选项“-n 50”是要生成的车辆数量，即 50 辆。

python3 PythonAPI/examples/spawn_npc.py -n 50

左滑查看更多

现在应该有50辆车和一些行人在模拟环境中移动。

既然有车辆在移动，我们将在模拟环境中添加一辆可以操控并在城市街道上行驶的汽车。

单击 Connect (连接) 打开第二个终端“xterm2”。

在终端中，启动 manual_control.py 脚本，在您控制的模拟环境中生成车辆。

python3 PythonAPI/examples/manual_control.py

左滑查看更多

此时将出现一个新窗口，其中有一辆汽车准备行驶。拖动窗口并调整大小，使它们并排放置。使用键盘操控汽车；“w”是加速，“a”是左转，“d”是右转，“s”是刹车。

在自动驾驶场景中，您可以添加机器人应用程序作为第二个容器来操控汽车，而不是手动驾驶汽车。通过这种方式，您可以测试您的自动驾驶应用程序。

本教程到此结束，我们讲解了如何在 Amazon RoboMaker 中运行 CARLA 自动驾驶模拟器，在城市中添加车辆，以及在模拟环境中驾驶汽车。

结论

在这篇博客中，我们介绍了一些 Amazon RoboMaker 功能，凭借这些功能，可以使用任何机器人模拟器和机器人软件来运行基于高保真 GPU 的模拟作业。然后，我们通过一个教程逐步展示了如何使用这些新功能在 Amazon RoboMaker 中运行 CARLA 自动驾驶模拟器。要了解有关这些功能的更多信息，请联系我们。（robomaker-bd@amazon.com）

本篇作者

Matt Hansen

Matt Hansen 是 Amazon Web Services（Amazon）的首席解决方案架构师，专门研究机器人。在加入 Amazon 之前，Matt 曾在 Intel 开源机器人团队的 ROS 和 ROS 2 工作过 5 年，负责领导 ROS 2 Navigation2 项目，并且是 ROS 2 技术指导委员会的原始成员。他是俄勒冈州人，拥有波特兰州立大学电气工程硕士学位。

2022亚马逊云科技 re:Invent 全球大会

精彩视频现已上线！

👇👇👇点击下方图片立即观看👇👇👇

听说，点完下面4个按钮

就不会碰到bug了！