FREA

FREA: การสร้างสถานการณ์ที่มีความสำคัญด้านความปลอดภัยโดยมีแนวทางที่เป็นไปได้พร้อมความขัดแย้งที่สมเหตุสมผล

ข่าว

• 2024-09-05 ข่าวน่ารู้! FREA ได้รับการยอมรับจาก CoRL 2024 สำหรับ การนำเสนอแบบปากเปล่า ??!
• 2024-08-10 สำรวจหน้าโครงการของเรา อยู่ที่นี่แล้ว!
• 2024-08-10 รหัสออกแล้ว!
• 2024-06-05 เอกสารของเรามีอยู่ใน Arxiv?!

พื้นที่เก็บข้อมูลนี้มีการนำเอกสารไปใช้

FREA: การสร้างสถานการณ์ที่มีความสำคัญด้านความปลอดภัยโดยมีแนวทางที่เป็นไปได้พร้อมความขัดแย้งที่สมเหตุสมผล

คีย์หยู เฉิน ¹ , หยูเหิง เล่ย ² , ห่าวเฉิง ¹ , ห่าวหราน วู ¹ , เหวินเชา ซุน ¹ , ซีฟา เจิ้ง ¹

¹ คณะวิชายานพาหนะและการเคลื่อนที่ มหาวิทยาลัยชิงหัว ² มหาวิทยาลัยฮ่องกง

หากคุณพบว่างานของเรามีประโยชน์ โปรดให้ดาวเราด้วย ?!

- FREA รวมความเป็นไปได้ไว้เป็นแนวทางในการสร้างสถานการณ์ที่ขัดแย้งแต่เป็นไปได้และมีความสำคัญต่อความปลอดภัย

- โครงร่าง

• - ตั้งค่า
• การใช้งาน
  • 1. รวบรวมข้อมูลออฟไลน์
  • 2. ฝึกฟังก์ชันค่าที่เป็นไปได้ที่เหมาะสมที่สุดของ AV
  • 3. ฝึกอบรมนโยบายปฏิปักษ์ของ CBV
  • 4. ฝึก AV (อุปกรณ์เสริม)
  • ❄️5. การประเมินผล
  • - 6. การวิเคราะห์ผลลัพธ์
  • - 7. การแสดงภาพ
• - การอ้างอิง
• - รับทราบ

- ตั้งค่า

ระบบที่แนะนำ: Ubuntu 20.04 หรือ 22.04

ขั้นตอนที่ 1: ติดตั้ง Carla (แนะนำ 0.9.13)

ขั้นตอนที่ 2: ตั้งค่าสภาพแวดล้อม conda

conda create -n frea python=3.8
conda activate frea

ขั้นตอนที่ 3: โคลน repo git นี้ในโฟลเดอร์ที่เหมาะสม

git clone [email protected]:CurryChen77/FREA.git

ขั้นตอนที่ 4: เข้าสู่โฟลเดอร์รูท repo และติดตั้งแพ็คเกจ:

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

การใช้งาน

รวบรวมข้อมูลออฟไลน์

รวบรวมข้อมูลจาก AV และ CBV เฉพาะ

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Launch in another terminal
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg standard_train.yaml --mode collect_feasibility_data

รวมข้อมูลทั้งหมดจาก AV และ CBV ที่แตกต่างกัน

 # Merge data
python frea/feasibility/unify_offline_data.py

หากต้องการใช้ชุดข้อมูลออฟไลน์ในการดาวน์โหลดกระดาษของเราจากที่นี่ ให้ใส่ข้อมูลเหล่านั้นลงในโฟลเดอร์ feasibility

ฝึกฟังก์ชันค่าที่เป็นไปได้ที่เหมาะสมที่สุดของ AV

 # Train optimal feasible value function of AV
python train_feasibility.py

ฝึกอบรมนโยบายปฏิปักษ์ของ CBV

รถไฟ FREA (ต้องการ LFR ที่ผ่านการฝึกอบรมมาอย่างดี)

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Train FREA
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg fppo_adv_train.yaml --mode train_scenario

ฝึกอบรม FPPO-RS (ต้องการ LFR ที่ได้รับการฝึกอบรมมาเป็นอย่างดี)

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Train FPPO-RS
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg fppo_rs_train.yaml --mode train_scenario

ฝึกอบต

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Train PPO
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg ppo_train.yaml --mode train_scenario

รถไฟ AV (ไม่จำเป็น)

ฝึกอบรม PPO AV ตามสถานการณ์ FREA

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Train FREA
python scripts/run.py --agent_cfg ppo.yaml --scenario_cfg fppo_adv_train.yaml --mode train_agent

ฝึกอบรม PPO AV ตามสถานการณ์มาตรฐาน

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -RenderOffScreen -carla-port=2000

# Train FREA
python scripts/run.py --agent_cfg ppo.yaml --scenario_cfg standard_train.yaml --mode train_agent

❄️การประเมินผล

การประเมินผลการวิเคราะห์ข้อมูล (ผลการบันทึก)

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -windowed -carla-port=2000

# Evaluation FREA
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg FPPO_adv_eval.yaml --mode eval --eval_mode analysis

การประเมินการสร้างภาพวิดีโอ

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -windowed -carla-port=2000

# Evaluation FREA
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg FPPO_adv_eval.yaml --mode eval --eval_mode render

- การวิเคราะห์ผลลัพธ์

การวิเคราะห์ผลลัพธ์ของงานวิจัย

• ผลการประเมิน
• เส้นโค้งการเรียนรู้
• ผลลัพธ์ความเป็นไปได้

สร้างการวิเคราะห์ผลลัพธ์ของคุณเอง

ตรวจสอบให้แน่ใจว่าการประเมินเสร็จสิ้นแล้ว และผลลัพธ์ถูกบันทึกไว้ในโฟลเดอร์

 # Process the recorded data
python eval_analysis/process_data/process_all_data.py

# Plot the evaluation result
python eval_analysis/plot_data/plot_evaluation_result.py

- การแสดงภาพ

ผู้ดูโลก

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -windowed -carla-port=2000

# Set world spectator
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg standard_eval.yaml --mode eval -sp

เส้นทางเอวี

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -windowed -carla-port=2000

# Visualize AV route
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg standard_eval.yaml --mode eval -viz_route

แผนที่ บีอีวี

 # Launch CARLA
./CarlaUE4.sh -prefernvidia -windowed -carla-port=2000

# Visualize BEV map
python scripts/run.py --agent_cfg expert.yaml --scenario_cfg FPPO_adv_eval.yaml --mode eval --eval_mode render

- การอ้างอิง

หากคุณพบว่าบทความของเรามีประโยชน์ กรุณาอ้างอิงถึงเราทาง:

 @inproceedings{
  chen2024frea,
  title={{FREA}: Feasibility-Guided Generation of Safety-Critical Scenarios with Reasonable Adversariality},
  author={Keyu Chen and Yuheng Lei and Hao Cheng and Haoran Wu and Wenchao Sun and Sifa Zheng},
  booktitle={8th Annual Conference on Robot Learning},
  year={2024},
  url={https://openreview.net/forum?id=3bcujpPikC}
}

- รับทราบ

การใช้งานนี้อิงตามโค้ดจากที่เก็บหลายแห่ง เราขอขอบคุณผู้เขียนอย่างจริงใจสำหรับงานที่ยอดเยี่ยมของพวกเขา

• เซฟเบนช์
• ฟิเซอร์
• ปลูก
• ElegantRL
• ระยะทาง3d
• กษัตริย์
• สองมิติเวลาสู่การชนกัน