老司机开车了!用飞桨玩AirSim智能驾驶

https://www.bilibili.com/video/BV1UY4y1e7s5?share_source=copy_web

训练过程视频：PARL_AirSim_DQN.mp4

前言

PARL 是由百度大脑出品的、高性能、易用的国产强化学习（RL）框架。
微软AirSim环境是基于Unreal游戏引擎开发的，面向四轴无人机和无人驾驶汽车的虚拟现实环境。
AirSim目前star数高达12.9k，是微软公司最火的人工智能项目之一。
百度PARL的RL程序目前还无法在AirSim环境中运行。
本文实现了AirSim环境中运行基于PARL的强化学习算法。

一、环境要求与配置

• win10操作系统
• Anaconda Navigator
• Python3.7+
• PaddlePaddle2.x
• PARL2.x
• 宽带网络+加速器
• 内存16G或更多
• 显卡NVIDIA RTX3060Ti以上

注册账号

• 注册微软统一账号：Win10系统菜单中找到windows 商店注册即可。
• 注册Unreal账号：打开游戏引擎官网https://www.unrealengine.com/zh-CN 注册账号，并打通github.com认证授权（二次开发Unreal代码需要用到）。

下载软件

1. 下载Visual Studio Community 2019

   1. 使用C++的桌面开发
   2. 安装组件：Window 10 SDK(10.0.18362.0)

2. 下载Epic Game Launcher并安装4.26以上版本的“虚幻引擎”

3. 重启Epic Game Launcher并关联项目文件

   

   飞桨PaddlePaddle

   飞桨PaddlePaddle开发者社区与布道，与社区共同进步

   12

   查看详情

4. 下载AirSim源代码：git clone https://github.com/Microsoft/AirSim.git

本地编译AirSim源代码（Windows环境）

1. 打开Developer Command Prompt for VS 2019,在项目根目录下输入命令：build.cmd
2. 检查插件目录：$ProjectRoot\Unreal\Plugins\ 看插件是否生成。

验证安装

1. 打开Developer Command Prompt for VS 2019,在$ProjectRoot\Unreal\Environments\Blocks目录下输入命令：update_from_git.bat
2. 弹出窗口点击确定，关联当前引擎
3. 进入目录双击Blocks.sln, VS2019自动启动。
4. 编译选项设置为：Development_Editor + Win64
5. 点击菜单“调试”-->“开始调试”，虚幻编辑器启动，看一遍教程
6. 点击“运行”，点击确定，出现下图表示AirSim环境安装成功！

二、使用Python控制汽车

1. 配置Anaconda环境

略

2. pip安装AirSim依赖包

    # 安装Unreal和python之间的通讯协议
    pip install msgpack-rpc-python    # 安装airsim的python库
    pip install airsim

3. 下载并安装Unreal 的 Landscape Mountains环境

请参考： 《下载与安装示例》章节，不再赘述。

4. 启动VS Code,打开文件夹PythonClient\car\，运行hello_car.py，效果如下：

三、使用飞桨PARL强化学习算法驾驶汽车

下载AirSim预编译的windows版本的训练地图：         

AirSim_Paddle
│  setup_path.py│
│  agent.py│  model.py│  replay_memory.py│  train.py│  
└─airgym
    │  __init__.py
    │  
    └─envs
            airsim_env.py
            car_env.py
            drone_env.py
            __init__.py

环境代码清单：

1. setup_path.py AirSim环境设置
2. airgym目录
   1. __init__.py python包配置
   2. envs目录

      1.      airsim_env.py   基础环境配置

         登录后复制
                                    

      2.      car_env.py    汽车训练环境配置

         登录后复制
                                    

      3.      `__init__.py`    python包配置

         登录后复制
                                    

DQN算法代码清单：

1. train.py 主程序，训练DQN模型
2. model.py 飞桨PARL三件套之一
3. agent.py 飞桨PARL三件套之一
4. replay_memory DQN系列算法的“记忆回放”

代码逻辑

1. 初始化AirSim_Gym 游戏环境
2. 初始化飞桨PARL库的DQN算法
3. 预热“记忆回放”
4. 循环开始触发动作，训练自动驾驶

    ...
    while True:
        step += 1
        # 获取记忆回放中的4帧
        context = rpm.recent_obs()        # 把当前动作返回帧加进去
        context.append(obs)        # 数组增加一维
        context = np.stack(context, axis=0)        # 选择一个动作，e-greedy算法
        action = agent.sample(context)        # 触发动作
        next_obs, reward, isOver, _ = env.step(action)        # 回写记忆回放
        rpm.append(Experience(obs, action, reward, isOver))        # train model
        if (len(rpm) > MEMORY_WARMUP_SIZE) and (step % LEARN_FREQ == 0):            # s,a,r,s',done
            (batch_all_obs, batch_action, batch_reward, batch_done) = rpm.sample_batch(BATCH_SIZE)            # 抽帧
            batch_obs = batch_all_obs[:, :CONTEXT_LEN, :, :]            batch_next_obs = batch_all_obs[:, 1:, :, :]            # 把抽出的帧放入learn方法中学习
            train_loss = agent.learn(batch_obs, batch_action, batch_reward,                                     batch_next_obs, batch_done)            loss_lst.append(float(train_loss))
            print("loss" + str(train_loss))

        total_reward += reward
        obs = next_obs
        if isOver:            break    return total_reward, step, np.mean(loss_lst)

5. 保存训练结果。

四、源代码和演示视频

训练视频：PARL_AirSim_DQN.mp4 完整源代码在work目录

五、项目总结

本项目在AirSim仿真环境中首次集成了飞桨PARL强化学习框架。
使用了飞桨PARL库自带的DQN系列算法，验证了AirSim环境中使用飞桨框架的可行性。