Führen Sie autonome Fahrsimulationen mit CARLA auf Deadline Cloud durch

Das Job-Paket autonomous_driving_carla führt einen CARLA-Sweep der Simulationsparameter für autonomes Fahren in der Deadline Cloud mit konfigurierbarer Erfassung mehrerer Sensoren aus. AWS Der Job führt ein Cut-In-Szenario für einen Spurwechsel durch und durchsucht konfigurierbare Ego-Geschwindigkeiten, NPC-Geschwindigkeiten und NPC-Startentfernungen. Jede Parameterkombination erstellt eine Aufgabe (Standard 2×2×2 = 8 Aufgaben).

Jede Aufgabe erfasst Multisensordaten von vom Benutzer ausgewählten Kameraperspektiven und erzeugt kameraspezifische Videos, RGB- und semantische Segmentierungsrahmen, LiDAR-Punktwolken () und Begrenzungsrahmen im KITTI-Format. .ply 2D/3D

Der Job wird in einem Docker-Container ausgeführt, der auf... basiert. carlasim/carla:0.9.16 Erstellen Sie vor dem Absenden das benutzerdefinierte Docker-Image aus dem docker/ Verzeichnis im Paket und übertragen Sie es in die Amazon Elastic Container Registry (Amazon ECR). Hängen Sie das Host-Konfigurationsskript docker_nvidia_container_toolkit an Ihre Flotte an, um Docker und das NVIDIA Container Toolkit bereitzustellen.

Um dieses Paket auszuführen, benötigen Sie eine Deadline Cloud-Farm mit einer GPU-Flotte (mindestens 1 NVIDIA-GPU, 16 vCPU, 64 GiB Speicher) und einer Conda-Queue-Umgebung mit. ffmpeg Die Warteschlangenrolle benötigt Amazon ECR-Pull-Berechtigungen.

Senden Sie den Job aus dem job_bundles Verzeichnis ab:

deadline bundle gui-submit autonomous_driving_carla

Stellen Sie auf der Registerkarte „Job-specific Einstellungen“ die Container Image-URI auf Ihr Amazon ECR-Image ein und konfigurieren Sie die Szenario-Parameter (Ego-Geschwindigkeiten, NPC-Geschwindigkeiten, NPC-Entfernungen) und Kameraaussichten.

Eine vollständige Anleitung, die das Erstellen des Docker-Images, das Senden und Überwachen des Jobs sowie das Überprüfen der erfassten Sensorausgabe behandelt, finden Sie unter. Führen Sie mit CARLA eine Simulation des autonomen Fahrens durch