Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Realice simulaciones de conducción autónoma con CARLA en Deadline Cloud El paquete de [ trabajo ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) autonomous\_driving\_carla ejecuta un barrido de parámetros de simulación de conducción [ autónoma de ](https://carla.org/) 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 ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit) 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](tutorial-carla-simulation.md)