gym-carla

一个用于 CARLA 模拟器 的 OpenAI Gym 第三方环境。

系统要求

• Ubuntu 16.04

安装

1. 设置 conda 环境

$ conda create -n env_name python=3.6
$ conda activate env_name

2. 在合适的文件夹中克隆此 Git 仓库

$ git clone https://github.com/cjy1992/gym-carla.git

3. 进入仓库根目录并安装依赖包：

$ pip install -r requirements.txt
$ pip install -e .

4. 下载 CARLA_0.9.6，将其解压到某个文件夹，并将 CARLA 添加到 PYTHONPATH 环境变量中：

$ export PYTHONPATH=$PYTHONPATH:$YourFolder$/CARLA_0.9.6/PythonAPI/carla/dist/carla-0.9.6-py3.5-linux-x86_64.egg

使用

1. 进入 CARLA 根目录，通过以下命令启动 CARLA 服务器：

$ ./CarlaUE4.sh -windowed -carla-port=2000

您可以使用 Alt+F1 恢复鼠标控制权。

或者，您也可以在无显示模式下运行：

$ DISPLAY= ./CarlaUE4.sh -opengl -carla-port=2000

2. 运行测试文件：

$ python test.py

有关如何使用 CARLA gym 封装的具体信息，请参阅 test.py 文件。

描述

1. 我们提供一个字典形式的观测值，包括前视摄像头图像 (obs['camera'])、鸟瞰视角的激光雷达点云 (obs['lidar']）以及鸟瞰视角的语义表示 (obs['birdeye'])：

我们还提供一个状态向量观测值 (obs['state'])，它由自车与目标车道中心线之间的横向距离和航向误差（单位：米和弧度）、自车速度（单位：米/秒）以及前方车辆是否在安全距离内的指示组成。

2. 终止条件为：自车发生碰撞、驶出车道、到达目的地或达到最大回合步数。用户可以修改 carla_env.py 中的 _terminal 函数以实现自定义的终止条件。

3. 奖励是纵向速度与以下惩罚项的加权组合：碰撞、超速、驶出车道、大转向角和大横向加速度。用户可以修改 carla_env.py 中的 _get_reward 函数以实现自定义奖励函数。

相关仓库与论文

自动驾驶中的深度强化学习

• 参见 https://github.com/cjy1992/interp-e2e-driving，其中提供了论文《基于潜在深度强化学习的可解释端到端城市自动驾驶》（https://arxiv.org/abs/2001.08726）和论文《面向城市自动驾驶的无模型深度强化学习》（https://ieeexplore.ieee.org/abstract/document/8917306）的实现，以及在 CARLA 上进行自动驾驶的若干深度强化学习基准。

自动驾驶中的深度模仿学习

• 参见论文《具有增强安全性的通用城市场景下的深度模仿学习自动驾驶》（https://arxiv.org/abs/1903.00640）。

自动驾驶中的感知与表征学习

• 参见 https://github.com/cjy1992/detect-loc-map，其中提供了论文《基于序列式潜在表征学习的端到端自动驾驶感知》（https://arxiv.org/abs/2003.12464）的实现。

gym-carla 快速上手指南

gym-carla 是一个基于 CARLA 模拟器 的 OpenAI Gym 第三方环境，专为自动驾驶强化学习研究设计。

环境准备

• 操作系统：Ubuntu 16.04（推荐）
• 前置依赖：
  • Conda 环境管理工具
  • Python 3.6
  • CARLA 模拟器版本：0.9.6

💡 国内加速建议：安装 Python 包时可使用清华或阿里镜像源加速，例如：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 创建并激活 Conda 环境

   conda create -n env_name python=3.6
   conda activate env_name
   

2. 克隆项目代码

   git clone https://github.com/cjy1992/gym-carla.git
   cd gym-carla
   

3. 安装 Python 依赖

   pip install -r requirements.txt
   pip install -e .
   

4. 配置 CARLA 模拟器

   • 下载 CARLA_0.9.6 并解压到指定目录（例如 /home/user/CARLA_0.9.6）。
   • 将 CARLA Python API 添加到环境变量 PYTHONPATH：

     export PYTHONPATH=$PYTHONPATH:/home/user/CARLA_0.9.6/PythonAPI/carla/dist/carla-0.9.6-py3.5-linux-x86_64.egg
     

     请将 /home/user/CARLA_0.9.6 替换为你实际的解压路径。

基本使用

1. 启动 CARLA 服务器

   进入 CARLA 根目录，运行以下命令启动服务器（窗口模式）：

   ./CarlaUE4.sh -windowed -carla-port=2000
   

   提示：按 Alt+F1 可释放鼠标控制权。

   若需在无显示界面模式下运行（如服务器环境）：

   DISPLAY= ./CarlaUE4.sh -opengl -carla-port=2000
   

2. 运行测试示例

   回到 gym-carla 项目目录，执行测试脚本验证环境是否正常工作：

   python test.py
   

   查看 test.py 源码可了解如何调用 CARLA Gym 封装接口进行训练或推理。

---

该环境提供多模态观测（摄像头、激光雷达、鸟瞰语义图）及状态向量，支持自定义奖励函数与终止条件，适用于端到端自动驾驶策略开发。