Python实现自动驾驶训练模型 Python实现自动驾驶训练模型

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

文章图片

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 gymimport highway_env%matplotlib inlineenv = 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：

文章图片

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：

文章图片

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：

文章图片

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 torchimport torch.nn as nnfrom torch.autograd import Variableimport torch.nn.functional as Fimport torch.optim as optimimport torchvision.transforms as Tfrom torch import FloatTensor, LongTensor, ByteTensorfrom collections import namedtupleimport random Tensor = FloatTensorEPSILON = 0# epsilon used for epsilon greedy approachGAMMA = 0.9TARGET_NETWORK_REPLACE_FREQ = 40# How frequently target netowrk updatesMEMORY_CAPACITY = 100BATCH_SIZE = 80LR = 0.01# learning rateclass 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 sclass DQN(object):def __init__(self):self.net,self.target_net = DQNNet(),DQNNet()self.learn_step_counter = 0self.memory = []self.position = 0 self.capacity = MEMORY_CAPACITYself.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 = https://www.it610.com/article/self.net.forward(x)action = torch.max(actions_value,-1)[1].data.numpy()action = action.max()else: action = np.random.randint(0, 5)return actiondef 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.capacitydef get_sample(self,batch_size):sample = random.sample(self.memory,batch_size)return sampledef 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 += 1transitions = 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 zeroloss.backward()self.optimizer.step() # execute back propagation for one stepreturn lossTransition = 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。
【Python实现自动驾驶训练模型】初始化环境（DQN的类加进去就行了）：

import gymimport highway_envfrom matplotlib import pyplot as pltimport numpy as npimport timeconfig = \{"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=0reward=[]avg_reward=0all_reward=[]time_=[]all_time=[]collision_his=[]all_collision=[]while True:done = Falsestart_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+=1print('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_timetime_.append(episode_time)is_collision=1 if info['crashed']==True else 0collision_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：

文章图片

epoch平均时长(s)：

文章图片

平均reward：

文章图片

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。
以上就是Python实现自动驾驶训练模型的详细内容，更多关于Python自动驾驶训练模型的资料请关注脚本之家其它相关文章！