Realice simulaciones de conducción autónoma con CARLA en Deadline Cloud

El paquete de trabajo autonomous_driving_carla ejecuta un barrido de parámetros de simulación de conducción autónoma de CARLA en Deadline Cloud con captura multisensor configurable. AWS La tarea se basa en un escenario en el que hay que cambiar de carril e incluye velocidades configurables para el ego, la velocidad de los PNJ y la distancia inicial de los PNJ. Cada combinación de parámetros crea una tarea (2 × 2 × 2 = 8 tareas por defecto).

Cada tarea captura datos de varios sensores desde puntos de vista de cámara seleccionados por el usuario y produce vídeos por cámara, marcos de segmentación semántica y RGB, nubes de puntos LiDAR () y cuadros delimitadores en formato KITTI. .ply 2D/3D

El trabajo se ejecuta dentro de un contenedor Docker basado en. carlasim/carla:0.9.16 Antes de enviarla, cree la imagen de Docker personalizada a partir del docker/ directorio del paquete y envíela a Amazon Elastic Container Registry (Amazon ECR). Adjunta el script de configuración del host docker_nvidia_container_toolkit a tu flota para tener Docker y el NVIDIA Container Toolkit.

Para ejecutar este paquete, necesitas una granja de Deadline Cloud con una flota de GPU (mínimo 1 GPU NVIDIA, 16 vCPU y 64 GiB de memoria) y un entorno conda Queue. ffmpeg El rol de cola necesita permisos de extracción de Amazon ECR.

Desde el job_bundles directorio, envíe el trabajo:

deadline bundle gui-submit autonomous_driving_carla

En la pestaña de Job-specific ajustes, defina el URI de la imagen del contenedor como su imagen de Amazon ECR y configure los parámetros del escenario (velocidades de ego, velocidades de NPC, distancias de NPC) y los puntos de vista de la cámara.

Para ver un tutorial completo sobre cómo crear la imagen de Docker, enviar y supervisar el trabajo y revisar la salida capturada por el sensor, consulte. Realiza un barrido de simulación de conducción autónoma con CARLA