（17-8）基于强化学习的自动驾驶系统：调试运行

源码太多，不再介绍太多了。

17.9 调试运行

在执行过程中，请先启动文件collect_data_autoencoder.py。在操作过程中，请通过命令行参数来设定各项数据收集细节。这些信息可用于训练包括自动编码器在内的深度学习模型。例如，请参考以下命令示例：在模拟环境中生成与'ClearNoon'气象条件下对应的自动编码器训练数据，并将获取的数据存储至预设的目标存储路径中。

    python collect_data_autoencoder.py --out_folder ..\autoencoderData\ClearNoon --weather ClearNoon

利用前述指令成功获取了所需的数据后，随后按照指定指令构建一个完整的数据存储文件

    python data/create_dataset.py --folder ..\autoencoderData\ClearNoon ..\autoencoderData\HardRainNoon ..\autoencoderData\WetNoon ..\autoencoderData\ClearSunset --out_file ..\autoencoderData\ClearNoon\dataset.csv

（3）启动文件 train_autoencoder.py 用于训练自动编码器。完成特征提取与降维的任务。利用提供的数据集进行模型训练。

    python train_autoencoder.py

请注意！该命令基于配置文件通过特定方式加载训练参数。由于采用了该数据加载机制的方法可能会导致内存占用过高，请确保系统内存在至少16GB的内存空间。

执行文件名collect_expert_data.py。其主要作用是在Carla仿真环境中获取专家驾驶员的数据。具体的执行命令如下所示：

    python collect_expert_data.py --weather ClearNoon

（5）启动强化学习代理的培训，在进行DDPG代理的培训时，请执行脚本 train_ddpg_agent.py；而在进行强化学习代理或SAC 代理的培训时，请分别执行 train_agent.py 和 train_sac_agent.py。应确保在上述三种情况下模拟器持续开启状态，并且已预先完成自动编码器的培训；此外，在使用时还需具备相关的专家数据集（如有）。

最终步骤是执行文件test_agent.py；其作用在于评估已训练强化学习代理的表现水平。该文件包含多种配置参数设置；其具体的命令行参数配置格式如下：

    python test_agent.py --route_id <id> --agent_model <model> --type <type>

在上述命令中，route_id用于指定将被使用的三条路线（编号为0至2），agent_model确定所使用的代理模型（基于训练文件），type指示评估是在训练环境还是测试环境中进行。若希望模拟环境中包含额外车辆，则可附加使用-exo_vehicles参数。

在 videos 目录中存储了通过 CARLA 模拟器实现的强化学习生成的自动驾驶场景，并其中 DDPG 模式下的一个示例见图 17-2

图17-2 生成的自动驾的视频

本项目暂时完结：

（17-1）:以强化学习算法为基础构建智能驾驶系统的研究与探讨-博客

（17-2）:基于强化学习的自动驾驶系统：第17章第2节
以强化学习为基础的无人驾驶技术体系
项目概述-博客

（17-3）： 依托强化学习技术构建的智能驾驶平台： 环境搭建与参数配置_ Carla 强化学习-博客

（17-4）: 基于强化学习的方法用于生成自动驾驶系统的数据集-博客

（17-5）基于强化学习的自动驾驶系统：深度学习模型-博客

（17-6-01）基于强化学习的自动驾驶系统：以强化学习为基础构建的自动驾驶技术采用先进的人工智能算法结合高效的数据处理能力，并融合先进的经验回放机制

（17-6-02）由强化学习驱动的自动驾驶系统：其核心是深度强化学习驱动的智能体架构。该系统采用基于Q-Learning方法的学习机制，并结合神经网络结构进行状态空间建模。为了提高系统的泛化能力，在训练过程中采用了多样化的数据预处理技术，并通过多场景训练方案实现了对不同道路环境的有效适应

发布日期：2023年6月3日

（17-6-04）以强化学习为基础的自-driving系统：深度确定性的策略梯度法-博客

（17-7-01）该自动驾驶系统主要依托强化学习算法进行开发：其核心内容包括生成高质量的训练数据集以及构建并优化智能模型-博客

在日期17年7月2日，《采用强化学习技术开发智能汽车控制系统》一文中，在博客上详细介绍了如何从CARLA模拟环境中获取专业驾驶员操作记录。

（17-7-03）采用强化学习技术构建的自动驾驶系统：运用强化学习算法构建自动驾驶代理平台

（17-7-04）利用强化学习构建无人驾驶系统：通过训练DDPG智能体实现自动驾驶功能-博客

（17-7-05）以强化学习为基础构建的智能驾驶系统：对智能驾驶系统的运行效能进行综合评测-博客

（17-7-05）以强化学习为基础构建的智能驾驶系统：对智能驾驶系统的运行效能进行综合评测-博客

（17-8）以强化学习为基础构建的自动驾驶系统：运行调试-博客