DeepGTAV

GitHub
1.2k 276 较难 1 次阅读 今天GPL-3.0数据工具开发框架
AI 解读 由 AI 自动生成,仅供参考

DeepGTAV 是一个为《GTA V》设计的开源插件,能将这款热门游戏转变为一个基于视觉的自动驾驶研究平台。它通过连接外部程序,实时输出游戏内的摄像头画面、车辆状态、交通参与者位置等数据,让研究人员无需从零搭建仿真环境,就能用真实感极强的虚拟城市测试自动驾驶算法。

传统自动驾驶研究常受限于高成本的物理仿真或数据采集难度,而 DeepGTAV 利用《GTA V》成熟的图形引擎和丰富的交通场景,免费提供高度逼真的视觉输入与可控环境变量(如天气、时间、车流、驾驶风格等),大幅降低研究门槛。用户可通过 TCP 协议发送指令,精确控制车辆行为并采集结构化数据,用于训练视觉感知或决策模型。

适合自动驾驶算法研究人员、计算机视觉开发者以及机器人学领域的学生使用。它不面向普通玩家,但为技术探索者提供了一个开放、灵活且低成本的实验环境。其独特亮点在于能无缝接入游戏引擎的内部数据流,支持自定义帧率、图像分辨率、奖励函数等参数,实现高度可配置的仿真实验。配合 Python 示例库 VPilot,可快速上手开发与测试。

使用场景

某高校自动驾驶研究团队正在开发基于视觉的端到端驾驶模型,需在复杂城市环境中采集大量带标注的驾驶数据,但真实路测成本高、风险大,且难以复现极端天气或突发场景。

没有 DeepGTAV 时

  • 需花费数月时间在真实城市中采集雨天、夜间、拥堵等低频场景数据,效率极低。
  • 每次采集需配备安全员、车载传感器和数据记录设备,单次测试成本超万元。
  • 难以精确控制车辆初始位置、天气和交通流,导致数据分布不均,模型泛化能力差。
  • 无法快速复现特定事故边缘案例(如行人突然横穿)用于模型压力测试。
  • 数据标注依赖人工识别车辆与行人,耗时且易出错,难以规模化。

使用 DeepGTAV 后

  • 仅需几秒即可在虚拟洛圣都中生成暴雨夜、黄昏车流密集等复杂场景,数据采集效率提升百倍。
  • 无需实体车辆或传感器,所有数据通过TCP接口直接输出RGB图像与标注信息,零硬件成本。
  • 可精确设定车辆起始点、天气、时间、车速与交通密度,确保数据覆盖所有关键边缘情况。
  • 能一键复现“行人从 parked 车后冲出”等高风险场景,用于模型鲁棒性验证。
  • 每帧图像自动附带车辆、行人、交通标志的坐标与类别标签,无需人工标注,直接用于训练。

DeepGTAV 让研究团队在零风险、低成本的前提下,高效构建了覆盖极端场景的高质量视觉驾驶数据集,将模型迭代周期从数月缩短至数周。

运行环境要求

操作系统
  • Windows
GPU

未说明

内存

未说明

依赖
notesDeepGTAV 是 GTA V 的插件,必须在 Windows 系统上运行 GTA V 游戏(版本 1.0.1180.2 或更低),需将插件文件复制到游戏目录并替换存档;游戏必须以窗口模式运行,并通过 GTA5.exe 启动以避免更新;客户端通过 TCP 端口 8000 与插件通信,需自行实现客户端逻辑(如使用 VPilot 提供的 Python 示例);插件本身不依赖 Python 运行,但推荐使用 Python 编写控制客户端。
python未说明
DeepGTAV hero image

快速开始

DeepGTAV v2

一款用于《GTA V》的插件,可将其转变为基于视觉的自动驾驶汽车研究环境。

自驾车

安装说明

  1. 确保《GTA V》版本为1.0.1180.2或更低。
  2. bin/Release目录下的内容复制到你的《GTA V》安装目录中。
  3. Documents/Rockstar Games/GTA V/Profiles/中的存档数据替换为bin/SaveGame中的内容。
  4. 下载*paths.xml*并将其存储在《GTA V》安装目录中。

使用建议

  1. 在游戏设置中,将屏幕模式设为窗口模式。
  2. 通过配置《GTA V》直接进入故事模式,跳过菜单界面。
  3. 为避免Rockstar更新,使用GTA5.exe启动游戏;否则请使用GTAVLauncher.exe或PlayGTAV.exe。

工作原理

如果安装成功,《GTA V》将自动加载DeepGTAV插件。游戏启动后,DeepGTAV会等待TCP客户端在端口8000上建立连接。

连接到DeepGTAV的客户端可以向《GTA V》发送消息,以启动和配置研究环境(StartConfig消息)、发送驾驶指令控制车辆(Commands消息),以及停止环境并恢复正常游戏模式(Stop消息)。

当环境通过Start消息启动后,DeepGTAV会开始以JSON格式将游戏采集的数据发回给客户端,以便客户端存储数据集、将其输入自动驾驶智能体进行训练……

发回给客户端的数据及初始条件取决于客户端通过StartConfig消息发送的参数。例如,可控制的内容包括:传输速率、帧宽高、天气、时间、车辆类型、驾驶风格、是否获取周围车辆或行人、奖励函数类型等等。

VPilot 提供了一个友好的界面和用Python编写的示例,方便你利用DeepGTAV进行自动驾驶研究。

以下章节将详细介绍每条消息的用途和内容。

客户端向DeepGTAV发送的消息

消息必须分两步发送:首先发送JSON消息的字节长度,然后发送消息本身,这样DeepGTAV才能知道何时停止读取消息。

Start

这是启动DeepGTAV所必需的消息,任何在此消息之前发送的消息都不会生效。同时,该消息还可设置多个字段,以按需启动DeepGTAV并指定所需的数据传输。

当此消息发送时,环境启动,游戏摄像机被置于车辆正前方中央位置,并开始向客户端发送Data,直到客户端断开连接或收到Stop消息为止。

以下是Start消息的示例:

{"start": {
  "scenario": {
    "location": [1015.6, 736.8],
    "time": [22, null],
    "weather": "RAIN",
    "vehicle": null,
    "drivingMode": [1074528293, 15.0]
  },
  "dataset": {
    "rate": 20,
    "frame": [227, 227],
    "vehicles": true,
    "peds": false,
    "trafficSigns": null,
    "direction": [1234.8, 354.3, 0],
    "reward": [15.0, 0.5],
    "throttle": true,
    "brake": true,
    "steering": true,
    "speed": null,
    "yawRate": false,
    "drivingMode": null,
    "location": null,
    "time": false    
  }
}}

场景字段指定了环境所需的初始条件。如果其中任一字段或整个场景为空或无效,则相关配置将随机设定。

数据集字段指定了我们希望从游戏中获取的数据。如果其中任一字段或整个数据集为空或无效,则相关Data字段将被禁用,但帧率和尺寸默认为10 Hz和320x160。

Config

此消息允许在DeepGTAV运行过程中随时更改由Start消息设定的初始配置。

以下是Config消息的示例(与Start消息完全相同):

{"start": {
  "scenario": {
    "location": [1015.6, 736.8],
    "time": null,
    "weather": "SUNNY",
    "vehicle": "voltic",
    "drivingMode": -1
  },
  "dataset": {
    "rate": null,
    "frame": null,
    "vehicles": false,
    "peds": true,
    "trafficSigns": null,
    "direction": null,
    "reward": null,
    "throttle": null,
    "brake": false,
    "steering": false,
    "speed": true,
    "yawRate": null,
    "drivingMode": null,
    "location": null,
    "time": true   
  }
}}

在这种情况下,如果任一字段为空或无效,则保留之前的配置;否则,新配置将覆盖旧配置。

Commands

顾名思义,此消息可在DeepGTAV运行过程中随时发送,以控制车辆。请注意,只有当drivingMode设置为手动时,你才能控制车辆。

以下是Commands消息的示例:

{"commands": {
  "throttle": 1.0,
  "brake": 0.0,
  "steering": -0.5
}}

Stop

停止环境并允许用户返回正常游戏模式。简单地断开客户端连接也会产生同样的效果。

以下是Stop消息的示例:

{"stop": {}}

DeepGTAV向客户端发送的消息

DeepGTAV总是分两步发送消息:首先发送消息的字节长度,然后发送消息本身,以便客户端知道何时停止读取。

消息的频率和内容取决于StartConfig消息设定的配置,且始终连续发送(帧、数据)。

Frame

这是一个字节数组,包含当前《GTA V》屏幕的RGB值(已调整至指定宽度和长度)。请确保窗口未最小化,否则所有值都将为零(黑色)。

Data

报告问题与待办事项

DeepGTAV会在《GTA V》安装目录下生成一个名为deepgtav.log的日志文件。报告任何错误时,请将其附在你的问题中。

待办事项:

  • 提高代码质量(很多!)
  • 添加对交通标志检测的支持
  • 添加对驾驶模式覆盖的支持
  • 通用错误修复

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架