DI-drive

简介

DI-drive 文档

DI-drive 是一个用于自动驾驶仿真的开源决策智能平台。DI-drive 在 自动驾驶 策略的 决策智能 训练与测试中，应用不同的仿真器、数据集和场景。其目标是：

• 在单一平台上以简洁统一的入口运行模仿学习、强化学习、GAIL 等算法；
• 将决策智能应用于驾驶模拟的任何环节；
• 适配大多数驾驶仿真器的输入与输出；
• 运行设计好的驾驶案例和场景；

而最重要的是，将这些功能 全部整合在一起！

DI-drive 使用 DI-engine，一个强化学习平台，来构建大部分运行模块和演示。目前，DI-drive 支持 Carla，一个开源的自动驾驶仿真器，用于执行驾驶仿真；同时也支持 MetaDrive，一个用于可泛化强化学习的多样化驾驶场景。DI-drive 是 OpenDILab 下的一个应用平台。

DI-drive 中 Carla 驾驶的可视化效果

目录

• 简介
• 目录
• 安装
• 快速入门
• 模型库
• 案例库
• 文件结构
• 贡献
• 许可证
• 引用

安装

DI-drive 需要 Python >= 3.5 和 DI-engine >= 0.3.1（DI-engine 需要 Pytorch）。您可以从源代码安装 DI-drive：

git clone https://github.com/opendilab/DI-drive.git
cd DI-drive
pip install -e .

DI-engine 和 Pytorch 将会自动安装。

此外，为了在 DI-drive 中运行，您至少需要安装 Carla 或 MetaDrive 中的一个仿真器。MetaDrive 可以通过 pip 轻松安装。如果使用 Carla 服务器进行仿真，用户还需要额外安装 'Carla Python API'。您可以选择其中一个或同时使用两者。请务必在 core.__init__.py 中修改已激活的仿真器，以避免导入错误。

有关 DI-drive 的详细安装说明，请参阅 安装指南。

快速入门

Carla

用户可以检查 Carla 的安装情况，并通过在提供的城镇地图上运行“auto”策略来观看可视化效果。您需要先启动 Carla 服务器，并将 auto_run.py 中的 Carla 主机和端口修改为您自己的设置。然后运行：

cd demo/auto_run
python auto_run.py

MetaDrive

安装 MetaDrive 后，您可以通过运行以下代码，在 MetaDrive 宏观环境中开始强化学习训练：

cd demo/metadrive
python macro_env_dqn_train.py。

我们在 文档 中为初学者提供了所有仿真器中 IL 和 RL 实验的详细指导，以及现有策略的快速运行方法。如有进一步疑问，请参考该文档。

模型库

模仿学习

• 条件模仿学习
• 作弊式学习
• 从连续意图到连续轨迹

强化学习

• BeV 速度强化学习
• 隐式可用性
• 潜在空间强化学习
• MetaDrive 宏观强化学习

其他方法

• DREX

DI-drive 案例库

DI-drive 案例库 是一套用于在仿真器中训练和测试自动驾驶策略的场景集合。案例库 结合了从实际车辆收集的数据以及上海临港道路驾照考试场景。案例库 既支持评估也支持训练，从而使仿真更接近真实驾驶。

有关 案例库 的详细信息，请参阅 案例库说明。

文件结构

DI-drive
|-- .gitignore
|-- .style.yapf
|-- CHANGELOG
|-- LICENSE
|-- README.md
|-- format.sh
|-- setup.py
|-- core
|   |-- data
|   |   |-- base_collector.py
|   |   |-- benchmark_dataset_saver.py
|   |   |-- bev_vae_dataset.py
|   |   |-- carla_benchmark_collector.py
|   |   |-- cict_dataset.py
|   |   |-- cilrs_dataset.py
|   |   |-- lbc_dataset.py
|   |   |-- benchmark
|   |   |-- casezoo
|   |   |-- srunner
|   |-- envs
|   |   |-- base_drive_env.py
|   |   |-- drive_env_wrapper.py
|   |   |-- md_macro_env.py
|   |   |-- md_traj_env.py
|   |   |-- scenario_carla_env.py
|   |   |-- simple_carla_env.py
|   |-- eval
|   |   |-- base_evaluator.py
|   |   |-- carla_benchmark_evaluator.py
|   |   |-- serial_evaluator.py
|   |   |-- single_carla_evaluator.py
|   |-- models
|   |   |-- bev_speed_model.py
|   |   |-- cilrs_model.py
|   |   |-- common_model.py
|   |   |-- lbc_model.py
|   |   |-- model_wrappers.py
|   |   |-- mpc_controller.py
|   |   |-- pid_controller.py
|   |   |-- vae_model.py
|   |   |-- vehicle_controller.py
|   |-- policy
|   |   |-- traj_policy
|   |   |-- auto_policy.py
|   |   |-- base_carla_policy.py
|   |   |-- cilrs_policy.py
|   |   |-- lbc_policy.py
|   |-- simulators
|   |   |-- base_simulator.py
|   |   |-- carla_data_provider.py
|   |   |-- carla_scenario_simulator.py
|   |   |-- carla_simulator.py
|   |   |-- fake_simulator.py
|   |   |-- srunner
|   |-- utils
|       |-- data_utils
|       |-- env_utils
|       |-- learner_utils
|       |-- model_utils
|       |-- others
|       |-- planner
|       |-- simulator_utils
|-- demo
|   |-- auto_run
|   |-- cict
|   |-- cilrs
|   |-- implicit
|   |-- latent_rl
|   |-- lbc
|   |-- metadrive
|   |-- simple_rl
|-- docs
|   |-- casezoo_instruction.md
|   |-- figs
|   |-- source

加入并贡献

我们非常感谢所有对 DI-drive 的改进贡献，无论是算法还是系统设计。欢迎加入 OpenDILab 社区！请扫描二维码添加我们的微信：

您也可以通过 Slack 或电子邮件 (opendilab@pjlab.org.cn) 联系我们。

许可证

DI-engine 采用 Apache 2.0 许可证发布。

引用

@misc{didrive,
    title={{DI-drive: OpenDILab} 自动驾驶仿真决策智能平台},
    author={DI-drive 贡献者},
    publisher = {GitHub},
    howpublished = {\url{https://github.com/opendilab/DI-drive}},
    year={2021},
}

DI-drive 快速上手指南

DI-drive 是一个开源的自动驾驶决策智能平台，支持在 Carla 和 MetaDrive 等模拟器中进行模仿学习（IL）、强化学习（RL）等策略的训练与测试。

环境准备

在开始之前，请确保满足以下系统要求：

• 操作系统: Linux (推荐) 或 macOS
• Python 版本: >= 3.5
• 核心依赖:
  • DI-engine >= 0.3.1 (安装 DI-drive 时会自动安装)
  • PyTorch (由 DI-engine 依赖自动安装)
• 模拟器 (至少安装其一):
  • MetaDrive: 可通过 pip 直接安装。
  • Carla: 需单独安装 Carla 服务器及 Carla Python API。

提示：国内用户建议使用国内镜像源加速 Python 包的安装（如清华源、阿里源）。

安装步骤

1. 克隆代码并安装 DI-drive

从源码安装 DI-drive，系统将自动处理 DI-engine 和 PyTorch 的依赖：

git clone https://github.com/opendilab/DI-drive.git
cd DI-drive
pip install -e .

(可选) 若需加速安装，可指定国内镜像源：

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装模拟器依赖

根据你想使用的模拟器，执行以下任一操作：

• 安装 MetaDrive (简单模式):

  pip install metadrive-simulator
  

• 配置 Carla:

  1. 下载并运行 Carla 服务器。
  2. 安装对应的 Python API (通常位于 Carla 安装包内的 PythonAPI/carla/dist/ 目录下)。
  3. 重要：修改 core/__init__.py 文件，启用你已安装的模拟器，避免导入错误。

基本使用

场景一：运行 Carla 自动驾驶演示

此示例展示如何在 Carla 地图中运行一个预设的“自动”策略并查看可视化效果。

1. 启动 Carla 服务器。
2. 打开 demo/auto_run/auto_run.py，修改其中的 host 和 port 以匹配你的 Carla 服务器地址。
3. 运行脚本：

cd demo/auto_run
python auto_run.py

场景二：运行 MetaDrive 强化学习训练

此示例展示如何在 MetaDrive 宏观环境中启动一个 DQN 强化学习训练任务。

确保已安装 MetaDrive 后，运行以下命令：

cd demo/metadrive
python macro_env_dqn_train.py

---

更多详细的实验指导（包括模仿学习 IL 和强化学习 RL 的具体配置），请参考 官方文档。