YYDS！Python實(shí)現(xiàn)自動(dòng)駕駛

作者 | Veronica1312

來(lái)源丨CSDN博客

gym是用于開(kāi)發(fā)和比較強(qiáng)化學(xué)習(xí)算法的工具包，在python中安裝gym庫(kù)和其中子場(chǎng)景都較為簡(jiǎn)便。

安裝gym：

pip install gym

安裝自動(dòng)駕駛模塊，這里使用Edouard Leurent發(fā)布在github上的包highway-env（鏈接：https://github.com/eleurent/highway-env）：

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

其中包含6個(gè)場(chǎng)景：

• 高速公路——“highway-v0”

• 匯入——“merge-v0”

• 環(huán)島——“roundabout-v0”

• 泊車——“parking-v0”

• 十字路口——“intersection-v0”

• 賽車道——“racetrack-v0”

詳細(xì)文檔可以參考這里：

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

安裝好后即可在代碼中進(jìn)行實(shí)驗(yàn)（以高速公路場(chǎng)景為例）：

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()

運(yùn)行后會(huì)在模擬器中生成如下場(chǎng)景：

綠色為ego vehicle env類有很多參數(shù)可以配置，具體可以參考原文檔。

highway-env包中沒(méi)有定義傳感器，車輛所有的state (observations) 都從底層代碼讀取，節(jié)省了許多前期的工作量。根據(jù)文檔介紹，state (ovservations) 有三種輸出方式：Kinematics，Grayscale Image和Occupancy grid。

Kinematics

輸出V*F的矩陣，V代表需要觀測(cè)的車輛數(shù)量（包括ego vehicle本身），F(xiàn)代表需要統(tǒng)計(jì)的特征數(shù)量。例：

數(shù)據(jù)生成時(shí)會(huì)默認(rèn)歸一化，取值范圍：[100, 100, 20, 20]，也可以設(shè)置ego vehicle以外的車輛屬性是地圖的絕對(duì)坐標(biāo)還是對(duì)ego vehicle的相對(duì)坐標(biāo)。

在定義環(huán)境時(shí)需要對(duì)特征的參數(shù)進(jìn)行設(shè)定：

config = \
    {
    "observation": 
         {
        "type": "Kinematics",
        #選取5輛車進(jìn)行觀察（包括ego vehicle）
        "vehicles_count": 5,  
        #共7個(gè)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

生成一張W*H的灰度圖像，W代表圖像寬度，H代表圖像高度

Occupancy grid

生成一個(gè)WHF的三維矩陣，用W*H的表格表示ego vehicle周圍的車輛情況，每個(gè)格子包含F(xiàn)個(gè)特征。

highway-env包中的action分為連續(xù)和離散兩種。連續(xù)型action可以直接定義throttle和steering angle的值，離散型包含5個(gè)meta actions：

ACTIONS_ALL = {
        0: 'LANE_LEFT',
        1: 'IDLE',
        2: 'LANE_RIGHT',
        3: 'FASTER',
        4: 'SLOWER'
    }

highway-env包中除了泊車場(chǎng)景外都采用同一個(gè)reward function：

這個(gè)function只能在其源碼中更改，在外層只能調(diào)整權(quán)重。（泊車場(chǎng)景的reward function原文檔里有，懶得打公式了……）

DQN網(wǎng)絡(luò)的結(jié)構(gòu)和搭建過(guò)程已經(jīng)在我另一篇文章中討論過(guò)，所以這里不再詳細(xì)解釋。我采用第一種state表示方式——Kinematics進(jìn)行示范。

由于state數(shù)據(jù)量較?。?輛車*7個(gè)特征），可以不考慮使用CNN，直接把二維數(shù)據(jù)的size[5,7]轉(zhuǎn)成[1,35]即可，模型的輸入就是35，輸出是離散action數(shù)量，共5個(gè)。

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

class DQNNet(nn.Module):
    def __init__(self):
        super(DQNNet,self).__init__()                  
        self.linear1 = nn.Linear(35,35)
        self.linear2 = nn.Linear(35,5)               
    def forward(self,s):
        s=torch.FloatTensor(s)        
        s = s.view(s.size(0),1,35)        
        s = self.linear1(s)
        s = self.linear2(s)
        return s           
                         
class DQN(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()

    def choose_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

    def push_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
       
    def get_sample(self,batch_size):
        sample = random.sample(self.memory,batch_size)
        return sample
      
    def learn(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'))

各個(gè)部分都完成之后就可以組合在一起訓(xùn)練模型了，流程和用CARLA差不多，就不細(xì)說(shuō)了。

初始化環(huán)境（DQN的類加進(jìn)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)

訓(xùn)練模型：

dqn=DQN()
count=0

reward=[]
avg_reward=0
all_reward=[]

time_=[]
all_time=[]

collision_his=[]
all_collision=[]
while True:
    done = False    
    start_time=time.time()
    s = env.reset()
    
    while not done:
        e = np.exp(-count/300)  #隨機(jī)選擇action的概率，隨著訓(xùn)練次數(shù)增多逐漸降低
        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=1 if info['crashed']==True else 0
    collision_his.append(is_collision)

我在代碼中添加了一些畫(huà)圖的函數(shù)，在運(yùn)行過(guò)程中就可以掌握一些關(guān)鍵的指標(biāo)，每訓(xùn)練40次統(tǒng)計(jì)一次平均值。

平均碰撞發(fā)生率：

epoch平均時(shí)長(zhǎng)(s)：

平均reward：

可以看出平均碰撞發(fā)生率會(huì)隨訓(xùn)練次數(shù)增多逐漸降低，每個(gè)epoch持續(xù)的時(shí)間會(huì)逐漸延長(zhǎng)（如果發(fā)生碰撞epoch會(huì)立刻結(jié)束）

相比于我在之前文章中使用過(guò)的模擬器CARLA，highway-env環(huán)境包明顯更加抽象化，用類似游戲的表示方式，使得算法可以在一個(gè)理想的虛擬環(huán)境中得到訓(xùn)練，而不用考慮數(shù)據(jù)獲取方式、傳感器精度、運(yùn)算時(shí)長(zhǎng)等現(xiàn)實(shí)問(wèn)題。對(duì)于端到端的算法設(shè)計(jì)和測(cè)試非常友好，但從自動(dòng)控制的角度來(lái)看，可以入手的方面較少，研究起來(lái)不太靈活。