AI实战，用Python玩个自动驾驶！

大家好，我是 Jack。

有学习强化学习的小伙伴吗？

今天给大家推荐个强化学习练手项目，用 gym 玩自动驾驶。

作者：Veronica1312
https://blog.csdn.net/weixin_44169614/article/details/121444571

安装环境

gym是用于开发和比较强化学习算法的工具包，在python中安装gym库和其中子场景都较为简便。

安装gym：

pip install gym

安装自动驾驶模块，这里使用 Edouard Leurent 发布在 github 上的包 highway-env：

pip install --user git+https://github.com/eleurent/highway-env

其中包含6个场景：

高速公路——“highway-v0”
汇入——“merge-v0”
环岛——“roundabout-v0”
泊车——“parking-v0”
十字路口——“intersection-v0”
赛车道——“racetrack-v0”

详细文档可以参考这里：

https://highway-env.readthedocs.io/en/latest/

配置环境

安装好后即可在代码中进行实验（以高速公路场景为例）：

import gym

import highway_env

%matplotlib inline


env = gym.make(
'highway-v0')

env.reset()

for _ 
in range(
3):

    action = env.action_type.actions_indexes[
"IDLE"]

    obs, reward, done, info = env.step(action)

    env.render()

运行后会在模拟器中生成如下场景：

env类有很多参数可以配置，具体可以参考原文档。

训练模型

1、数据处理

(1)state

highway-env包中没有定义传感器，车辆所有的state (observations) 都从底层代码读取，节省了许多前期的工作量。根据文档介绍，state (ovservations) 有三种输出方式：Kinematics，Grayscale Image和Occupancy grid。

Kinematics

输出V*F的矩阵，V代表需要观测的车辆数量（包括ego vehicle本身），F代表需要统计的特征数量。例：

数据生成时会默认归一化，取值范围：[100, 100, 20, 20]，也可以设置ego vehicle以外的车辆属性是地图的绝对坐标还是对ego vehicle的相对坐标。

在定义环境时需要对特征的参数进行设定：

config = \

    {

"observation": 

         {

"type": 
"Kinematics",

#选取5辆车进行观察（包括ego vehicle）
"vehicles_count": 
5,  

#共7个特征
"features": [
"presence", 
"x", 
"y", 
"vx", 
"vy", 
"cos_h", 
"sin_h"], 

"features_range": 

            {

"x": [
-100, 
100],

"y": [
-100, 
100],

"vx": [
-20, 
20],

"vy": [
-20, 
20]

            },

"absolute": 
False,

"order": 
"sorted"
        },

"simulation_frequency": 
8,  
# [Hz]
"policy_frequency": 
2,  
# [Hz]
    }

Grayscale Image

生成一张W*H的灰度图像，W代表图像宽度，H代表图像高度

Occupancy grid

生成一个WHF的三维矩阵，用W*H的表格表示ego vehicle周围的车辆情况，每个格子包含F个特征。

(2) action

highway-env包中的action分为连续和离散两种。连续型action可以直接定义throttle和steering angle的值，离散型包含5个meta actions：

ACTIONS_ALL = {

0: 
'LANE_LEFT',

1: 
'IDLE',

2: 
'LANE_RIGHT',

3: 
'FASTER',

4: 
'SLOWER'
    }

(3) reward

highway-env包中除了泊车场景外都采用同一个reward function：

这个function只能在其源码中更改，在外层只能调整权重。

（泊车场景的reward function原文档里有）

2、搭建模型

DQN网络，我采用第一种state表示方式——Kinematics进行示范。由于state数据量较小（5辆车*7个特征），可以不考虑使用CNN，直接把二维数据的size[5,7]转成[1,35]即可，模型的输入就是35，输出是离散action数量，共5个。

import torch

import torch.nn 
as nn

from torch.autograd 
import Variable

import torch.nn.functional 
as F

import torch.optim 
as optim

import torchvision.transforms 
as T

from torch 
import FloatTensor, LongTensor, ByteTensor

from collections 
import namedtuple

import random 

Tensor = FloatTensor


EPSILON = 
0# epsilon used for epsilon greedy approach
GAMMA = 
0.9
TARGET_NETWORK_REPLACE_FREQ = 
40# How frequently target netowrk updates
MEMORY_CAPACITY = 
100
BATCH_SIZE = 
80
LR = 
0.01# learning rate

classDQNNet(nn.Module):
def__init__(self):
        super(DQNNet,self).__init__()                  

        self.linear1 = nn.Linear(
35,
35)

        self.linear2 = nn.Linear(
35,
5)               

defforward(self,s):
        s=torch.FloatTensor(s)        

        s = s.view(s.size(
0),
1,
35)        

        s = self.linear1(s)

        s = self.linear2(s)

return s           


classDQN(object):
def__init__(self):
        self.net,self.target_net = DQNNet(),DQNNet()        

        self.learn_step_counter = 
0
        self.memory = []

        self.position = 
0
        self.capacity = MEMORY_CAPACITY       

        self.optimizer = torch.optim.Adam(self.net.parameters(), lr=LR)

        self.loss_func = nn.MSELoss()


defchoose_action(self,s,e):
        x=np.expand_dims(s, axis=
0)

if np.random.uniform() < 
1-e:  

            actions_value = self.net.forward(x)            

            action = torch.max(actions_value,
-1)[
1].data.numpy()

            action = action.max()           

else: 

            action = np.random.randint(
0, 
5)

return action


defpush_memory(self, s, a, r, s_):
if len(self.memory) < self.capacity:

            self.memory.append(
None)

        self.memory[self.position] = Transition(torch.unsqueeze(torch.FloatTensor(s), 
0),torch.unsqueeze(torch.FloatTensor(s_), 
0),\

                                                torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype=
'float32')))
#
        self.position = (self.position + 
1) % self.capacity


defget_sample(self,batch_size):
        sample = random.sample(self.memory,batch_size)

return sample


deflearn(self):
if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ == 
0:

            self.target_net.load_state_dict(self.net.state_dict())

        self.learn_step_counter += 
1

        transitions = self.get_sample(BATCH_SIZE)

        batch = Transition(*zip(*transitions))


        b_s = Variable(torch.cat(batch.state))

        b_s_ = Variable(torch.cat(batch.next_state))

        b_a = Variable(torch.cat(batch.action))

        b_r = Variable(torch.cat(batch.reward))    


        q_eval = self.net.forward(b_s).squeeze(
1).gather(
1,b_a.unsqueeze(
1).to(torch.int64)) 

        q_next = self.target_net.forward(b_s_).detach() 
#
        q_target = b_r + GAMMA * q_next.squeeze(
1).max(
1)[
0].view(BATCH_SIZE, 
1).t()           

        loss = self.loss_func(q_eval, q_target.t())        

        self.optimizer.zero_grad() 
# reset the gradient to zero        
        loss.backward()

        self.optimizer.step() 
# execute back propagation for one step       
return loss

Transition = namedtuple(
'Transition',(
'state', 
'next_state',
'action', 
'reward'))

3、运行结果

各个部分都完成之后就可以组合在一起训练模型了，流程和用CARLA差不多，就不细说了。

初始化环境（DQN的类加进去就行了）：

import gym

import highway_env

from matplotlib 
import pyplot 
as plt

import numpy 
as np

import time

config = \

    {

"observation": 

         {

"type": 
"Kinematics",

"vehicles_count": 
5,

"features": [
"presence", 
"x", 
"y", 
"vx", 
"vy", 
"cos_h", 
"sin_h"],

"features_range": 

            {

"x": [
-100, 
100],

"y": [
-100, 
100],

"vx": [
-20, 
20],

"vy": [
-20, 
20]

            },

"absolute": 
False,

"order": 
"sorted"
        },

"simulation_frequency": 
8,  
# [Hz]
"policy_frequency": 
2,  
# [Hz]
    }


env = gym.make(
"highway-v0")

env.configure(config)

训练模型：

dqn=DQN()

count=
0

reward=[]

avg_reward=
0
all_reward=[]


time_=[]

all_time=[]


collision_his=[]

all_collision=[]

whileTrue:

    done = 
False
    start_time=time.time()

    s = env.reset()


whilenot done:

        e = np.exp(-count/
300)  
#随机选择action的概率，随着训练次数增多逐渐降低
        a = dqn.choose_action(s,e)

        s_, r, done, info = env.step(a)

        env.render()


        dqn.push_memory(s, a, r, s_)


if ((dqn.position !=
0)&(dqn.position % 
99==
0)):

            loss_=dqn.learn()

            count+=
1
            print(
'trained times:',count)

if (count%
40==
0):

                avg_reward=np.mean(reward)

                avg_time=np.mean(time_)

                collision_rate=np.mean(collision_his)


                all_reward.append(avg_reward)

                all_time.append(avg_time)

                all_collision.append(collision_rate)


                plt.plot(all_reward)

                plt.show()

                plt.plot(all_time)

                plt.show()

                plt.plot(all_collision)

                plt.show()


                reward=[]

                time_=[]

                collision_his=[]


        s = s_

        reward.append(r)      


    end_time=time.time()

    episode_time=end_time-start_time

    time_.append(episode_time)


    is_collision=
1if info[
'crashed']==
Trueelse0
    collision_his.append(is_collision)