![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
自动驾驶仿真carla入门(油管翻译)
翻译自油管。
简单的carla使用入门教程
Wincher_Fan
这个人很懒,什么都没留下。
展开
-
基于carla和python的自动驾驶仿真系列6
欢迎来到自动驾驶汽车/自动驾驶汽车的第6部分,以及使用Carla、Python和TensorFlow增强学习。在这一部分中,我们将讨论我们工作的一些初步发现。我将使用“我们”这个短语,因为这是我和Daniel Kukiela共同努力的结果。一开始,问题刻意保持简单。代理可以采取三种行动中的一种:左转,右转,直走。我选择了Xception模型,因为我发现这个模型很成功,并且在GTA做自动驾驶汽车。对于奖励,我们设置如下:+1,每帧驱动>限速每小时50公里-1,每帧驱动<限速每小时50公里翻译 2020-10-04 16:14:22 · 1482 阅读 · 1 评论 -
基于carla和python的自动驾驶仿真系列5
欢迎来到自动驾驶汽车和增强学习的第5部分,Carla, Python和TensorFlow。现在我们已经有了环境和代理,我们只需要添加一些逻辑来将它们联系在一起,这就是我们接下来要做的。完整的代码到这一点:import globimport osimport sysimport randomimport timeimport numpy as npimport cv2import mathfrom collections import dequefrom keras.applicat翻译 2020-10-04 10:02:29 · 1824 阅读 · 0 评论 -
基于carla和python的自动驾驶仿真系列4
在我们的自动驾驶汽车的第四部分,Carla, Python, TensorFlow,和强化学习项目,我们将致力于编写我们实际的代理。在上一篇教程中,我们处理了environment类,我们的代理将与之交互。翻译 2020-10-03 10:51:21 · 1087 阅读 · 0 评论 -
基于carla和python的自动驾驶仿真系列3
欢迎来到卡拉自动驾驶汽车的Python编程教程的第3部分。在本教程中,我们将利用Carla API的知识,尝试将这个问题转化为一个强化学习问题。在OpenAI开创了强化学习环境和解决方案的开放源码之后,我们就有了一种接近强化学习环境的标准化方法。这里的想法是,您的环境将有一个step方法,它返回:observation, reward, done, extra_info,以及一个reset方法,它将基于某种done标志重新启动环境。我们所需要做的就是创建代码来表示这个。我们将从卡拉经常进口的东西开始:翻译 2020-09-26 21:54:25 · 4432 阅读 · 0 评论 -
基于carla和python的自动驾驶仿真系列2
写在前面有关于本文目的的说明和一些代码的链接已经放在系列1中,可以进我的主页进行查看。废话不多说,开淦。欢迎来到卡拉自动驾驶汽车教程系列的第二部分。在本教程中,我们将向你介绍Carla的Python API。首先,在Carla中有几种类型的对象。首先,你当然有“世界”。这是你的环境。然后,你有这个世界的演员。演员是你的车,你车上的传感器,行人,等等。最后,我们有了蓝图。蓝图是参与者的属性。有了这些信息,让我们开始编写一些实际的代码。首先,让我们做一辆车,生成并简单地向前行驶,然后我们想要看到信息从翻译 2020-09-26 21:39:57 · 2173 阅读 · 0 评论 -
基于carla和python的自动驾驶仿真系列1
写在前面本文转自https://pythonprogramming.net/introduction-self-driving-autonomous-cars-carla-python/,经作者简单翻译得到,仅用于本人学习记录,如有不妥,纯属本人理解错误,不负任何责任;如有侵权,请联系本人,立马删除!本文末尾附上文中提到的链接。正文大家好,欢迎收看关于Carla的系列教程,Carla是一个开源的自动驾驶环境,还提供了与之交互的Python API。Carla的主要思想是先有环境(服务器),然后是代翻译 2020-09-26 21:14:55 · 2740 阅读 · 1 评论