# 🚀 MAGAIL完整训练指南

## ✅ 已实现的功能

### 1. 完整训练循环
- ✅ 多智能体buffer存储
- ✅ GAIL判别器更新
- ✅ PPO策略优化
- ✅ TensorBoard日志记录
- ✅ 模型保存和加载
- ✅ 专家数据加载（7805条轨迹）

### 2. 环境系统
- ✅ 多智能体场景环境
- ✅ 车辆动态生成
- ✅ 多维度观测（108维）
- ✅ 渲染和可视化

## 🎮 快速开始

### 方法1：基础训练（推荐新手）

```bash
# 小规模测试（10个episode，无渲染）
python train_magail.py --episodes 10 --horizon 200
```

### 方法2：带可视化训练

```bash
# 5个episode，带渲染
python train_magail.py --episodes 5 --render --horizon 200
```

### 方法3：完整训练

```bash
# 长期训练（1000 episodes）
python train_magail.py \
    --episodes 1000 \
    --horizon 300 \
    --rollout-length 512 \
    --batch-size 128 \
    --lr-actor 3e-4 \
    --device cuda
```

### 方法4：使用测试脚本

```bash
bash test_training.sh
```

## 📊 训练过程

### 数据流

```
Episode开始
  ↓
收集观测 (108维 × N辆车)
  ↓
Actor采样动作 ([转向, 油门])
  ↓
环境step
  ↓
存储到Buffer (state, action, reward, next_state...)
  ↓
每512步：
  ├─ 更新判别器 (区分策略vs专家)
  ├─ 计算GAIL奖励
  └─ 更新PPO (Actor + Critic)
  ↓
Episode结束
  ↓
保存模型（如果是最佳）
```

### 关键参数说明

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `--episodes` | 1000 | 训练轮数 |
| `--horizon` | 300 | 每轮最大步数 |
| `--rollout-length` | 512 | 更新间隔 |
| `--batch-size` | 128 | 批次大小 |
| `--lr-actor` | 3e-4 | Actor学习率 |
| `--lr-critic` | 3e-4 | Critic学习率 |
| `--lr-disc` | 3e-4 | 判别器学习率 |
| `--epoch-disc` | 5 | 判别器更新轮数 |
| `--epoch-ppo` | 10 | PPO更新轮数 |
| `--render` | False | 是否可视化 |

## 📈 监控训练

### 使用TensorBoard

```bash
# 启动TensorBoard
tensorboard --logdir outputs/

# 在浏览器打开
# http://localhost:6006
```

### 关键指标

1. **Episode/Reward** - 每个episode的总奖励
2. **Training/GAILReward** - GAIL提供的模仿奖励
3. **Loss/disc** - 判别器损失
4. **Acc/acc_pi** - 判别器识别策略数据的准确率
5. **Acc/acc_exp** - 判别器识别专家数据的准确率
6. **Loss/actor** - Actor损失
7. **Loss/critic** - Critic损失

### 期望的训练曲线

```
Episode Reward  → 逐渐上升（从0开始增长）
GAIL Reward     → 先上升后稳定
Disc Accuracy   → 趋向50%（说明策略接近专家）
Actor Loss      → 逐渐下降
Critic Loss     → 逐渐下降
```

## 🔍 训练状态检查

### 查看输出日志

训练时会打印：
```
📍 Episode 1/10
   可控车辆数: 5

   🔄 步数 512: 更新模型...
      GAIL奖励: 0.5234

   ✅ Episode 1 完成:
      步数: 200
      总奖励: 0.00
      平均奖励: 0.0000
      车辆数: 5
      💾 保存最佳模型 (奖励: 0.00)
```

### 检查模型文件

```bash
ls outputs/magail_*/models/
# 应该看到:
# - best_model/model.pth
# - checkpoint_50/model.pth
# - checkpoint_100/model.pth
```

## ⚠️ 常见问题

### Q1: 奖励一直是0？

**A:** 这是正常的！
- 环境奖励设计为0
- 真正的奖励由GAIL提供（内在奖励）
- 查看 `Training/GAILReward` 指标

### Q2: 判别器准确率是什么意思？

**A:** 
- `acc_pi`: 判别器识别策略数据为"假"的准确率
- `acc_exp`: 判别器识别专家数据为"真"的准确率
- 训练初期：都接近100%（策略很差，容易区分）
- 训练后期：都接近50%（策略接近专家，难以区分）

### Q3: 车辆为什么不动或乱动？

**A:** 
- 训练初期：策略随机，车辆行为混乱
- 需要训练多个episode后才会改善
- 运行 `python test_vehicle_movement.py` 确认环境正常

### Q4: 显存不足？

**A:** 减小参数：
```bash
python train_magail.py \
    --batch-size 64 \
    --rollout-length 256 \
    --epoch-disc 3 \
    --epoch-ppo 5
```

### Q5: 训练太慢？

**A:** 
- 去掉 `--render`（可视化很耗时）
- 减小 `--horizon`
- 使用更大的 `--rollout-length`

## 🎯 训练建议

### 初次训练

1. **先测试小规模**
   ```bash
   python train_magail.py --episodes 5 --horizon 100
   ```

2. **观察是否有错误**

3. **检查TensorBoard**
   ```bash
   tensorboard --logdir outputs/
   ```

### 正式训练

1. **中等规模预热**
   ```bash
   python train_magail.py --episodes 100 --horizon 200
   ```

2. **观察学习曲线**
   - 判别器准确率是否下降？
   - GAIL奖励是否变化？

3. **长期训练**
   ```bash
   python train_magail.py --episodes 1000 --horizon 300
   ```

### 超参数调优

可以尝试调整：
- 学习率：`1e-4` 到 `1e-3`
- Rollout length：`256` 到 `1024`
- Batch size：`64` 到 `256`

## 📁 输出文件结构

```
outputs/
└── magail_YYYYMMDD_HHMMSS/
    ├── models/
    │   ├── best_model/
    │   │   └── model.pth
    │   ├── checkpoint_50/
    │   └── checkpoint_100/
    └── logs/
        └── events.out.tfevents.*  # TensorBoard日志
```

## 🚀 下一步

训练完成后：

1. **评估模型**
   ```bash
   # TODO: 创建评估脚本
   python evaluate.py --model outputs/magail_*/models/best_model
   ```

2. **可视化行为**
   ```bash
   python train_magail.py --episodes 1 --render \
       --load-model outputs/magail_*/models/best_model/model.pth
   ```

3. **分析日志**
   - 查看TensorBoard
   - 对比不同超参数的效果

## 💡 提示

- 💾 定期备份 `outputs/` 目录
- 📊 使用TensorBoard监控训练
- ⏰ 长期训练建议使用 `nohup` 或 `screen`
- 🔍 出现错误时查看完整堆栈跟踪

---

**祝训练顺利！** 🎉

有问题查看：
- `技术说明文档.md` - 技术细节
- `MAGAIL算法应用指南.md` - 使用指南
- `问题解决记录.md` - 常见问题