# 问题解决记录

## 运行 `train_magail.py` 遇到的问题及解决方案

---

### ❌ 问题1: 模块导入错误

**错误信息：**
```python
ImportError: attempted relative import with no known parent package
```

**原因：**
- `Algorithm/` 文件夹中的文件使用了不一致的导入方式
- 有些文件使用相对导入（`.ppo`, `.utils`），有些使用绝对导入

**解决方案：**
1. 修改所有导入语句为兼容模式（try相对导入，except绝对导入）
2. 创建 `Algorithm/__init__.py` 和 `Env/__init__.py` 使其成为Python包

**修改的文件：**
- ✅ `Algorithm/ppo.py` - 添加try-except导入
- ✅ `Algorithm/policy.py` - 添加try-except导入
- ✅ `Algorithm/disc.py` - 添加try-except导入
- ✅ `Algorithm/magail.py` - 添加try-except导入
- ✅ `Algorithm/__init__.py` - 新建包初始化文件
- ✅ `Env/__init__.py` - 新建包初始化文件

---

### ❌ 问题2: `action_shape` 参数缺失

**错误信息：**
```python
TypeError: MAGAIL.__init__() got an unexpected keyword argument 'action_shape'
```

**原因：**
- `MAGAIL` 类的 `__init__()` 方法没有定义 `action_shape` 参数
- 但训练脚本传递了这个参数

**解决方案：**
在 `MAGAIL.__init__()` 中添加 `action_shape` 参数并传递给父类

**修改代码：**
```python
# 修改前
class MAGAIL(PPO):
    def __init__(self, buffer_exp, input_dim, device, ...):
        super().__init__(state_shape=input_dim, device=device)

# 修改后
class MAGAIL(PPO):
    def __init__(self, buffer_exp, input_dim, device, action_shape=(2,), **kwargs):
        super().__init__(state_shape=input_dim, device=device, 
                        action_shape=action_shape, **kwargs)
```

---

### ❌ 问题3: 维度类型不匹配

**错误信息：**
```python
TypeError: empty(): argument 'size' must be tuple of ints, 
but found element of type tuple at pos 2
```

**原因：**
- `input_dim` 传入时是元组 `(108,)`
- 但 `Bert` 的 `nn.Linear(input_dim, embed_dim)` 期望 `input_dim` 是整数

**根本原因：**
```python
# 训练脚本中
magail = MAGAIL(
    input_dim=(108,),  # 传入的是元组
    ...
)

# 在 PPO.__init__ 中
self.critic = Bert(
    input_dim=state_shape,  # state_shape = (108,) 仍是元组
    output_dim=1
)

# 在 Bert.__init__ 中
self.projection = nn.Linear(input_dim, embed_dim)  # 期望 input_dim=108
```

**解决方案：**
在使用 `state_shape` 或 `input_dim` 创建 `Bert` 时，提取整数值

**修改代码：**

1. **在 `Algorithm/ppo.py` 中：**
```python
# 修改前
self.critic = Bert(
    input_dim=state_shape,
    output_dim=1
).to(device)

# 修改后
state_dim = state_shape[0] if isinstance(state_shape, tuple) else state_shape
self.critic = Bert(
    input_dim=state_dim,
    output_dim=1
).to(device)
```

2. **在 `Algorithm/magail.py` 中：**
```python
# 修改前
self.disc = GAILDiscrim(input_dim=input_dim)

# 修改后
state_dim = input_dim[0] if isinstance(input_dim, tuple) else input_dim
self.disc = GAILDiscrim(input_dim=state_dim)
```

3. **在 `Algorithm/magail.py` 的Normalizer中：**
```python
# 修改前
self.normalizer = Normalizer(self.state_shape[0]*2)

# 修改后
state_dim = self.state_shape[0] if isinstance(self.state_shape, tuple) else self.state_shape
self.normalizer = Normalizer(state_dim*2)
```

---

## 所有修改总结

### 修改的文件列表

| 文件 | 修改内容 |
|------|----------|
| `Algorithm/ppo.py` | 1. 添加try-except导入<br>2. 添加action_shape参数<br>3. 修复state_shape元组问题 |
| `Algorithm/magail.py` | 1. 添加try-except导入<br>2. 添加action_shape参数<br>3. 修复input_dim元组问题 |
| `Algorithm/policy.py` | 添加try-except导入 |
| `Algorithm/disc.py` | 添加try-except导入 |
| `Algorithm/__init__.py` | 新建包初始化文件 |
| `Env/__init__.py` | 新建包初始化文件 |

### 新增的文件

| 文件 | 用途 |
|------|------|
| `train_magail.py` | 完整的MAGAIL训练脚本 |
| `MAGAIL算法应用指南.md` | 详细的使用文档 |
| `快速测试.sh` | 快速测试脚本 |
| `问题解决记录.md` | 本文件 |

---

## 如何运行

### 方法1: 直接运行（推荐）

```bash
# 确保在conda环境中
conda activate metadrive

# 运行训练（少量episode测试）
python train_magail.py --episodes 5 --horizon 100

# 带可视化
python train_magail.py --episodes 5 --render

# 完整训练
python train_magail.py --episodes 1000 --horizon 300
```

### 方法2: 使用测试脚本

```bash
conda activate metadrive
bash 快速测试.sh
```

### 方法3: 查看帮助

```bash
python train_magail.py --help
```

---

## 验证是否修复成功

运行以下命令测试：

```bash
# 测试1: 验证导入
python -c "from Algorithm.magail import MAGAIL; print('✅ 导入成功!')"

# 测试2: 验证初始化
python -c "
from Algorithm.magail import MAGAIL
import torch

class DummyBuffer:
    def __init__(self, device):
        self.device = device
    def sample(self, batch_size):
        return torch.randn(batch_size, 108, device=self.device), \
               torch.randn(batch_size, 108, device=self.device)

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
buffer = DummyBuffer(device)
magail = MAGAIL(
    buffer_exp=buffer,
    input_dim=(108,),
    device=device,
    action_shape=(2,)
)
print('✅ MAGAIL初始化成功!')
"

# 测试3: 运行1个episode
python train_magail.py --episodes 1 --horizon 50
```

---

### ❌ 问题4: 保存模型时目录不存在

**错误信息：**
```python
FileNotFoundError: [Errno 2] 没有那个文件或目录: './outputs/magail_xxx/models/best_model/model.pth'
```

**原因：**
- `save_models()` 方法直接保存文件，但没有创建目录

**解决方案：**
在保存前使用 `os.makedirs(path, exist_ok=True)` 创建目录

**修改代码：**
```python
# 修改前
def save_models(self, path):
    torch.save({...}, os.path.join(path, 'model.pth'))

# 修改后
def save_models(self, path):
    os.makedirs(path, exist_ok=True)  # 确保目录存在
    torch.save({...}, os.path.join(path, 'model.pth'))
```

---

## 剩余的已知问题

### 1. 专家数据加载未实现

**现象：**
```
⚠️ 警告: 未找到专家数据
```

**原因：**
`ExpertBuffer._extract_trajectories()` 方法是空的，需要根据实际Waymo数据格式实现

**TODO：**
- 分析Waymo pkl文件的实际结构
- 实现轨迹提取逻辑

### 2. 多智能体buffer存储

**现象：**
当前buffer是为单智能体设计的

**TODO：**
- 实现多智能体经验存储逻辑
- 或者修改为将所有智能体作为一个batch处理

### 3. 环境奖励为0

**现象：**
环境返回的奖励全是0

**TODO：**
- 设计合理的任务奖励函数
- 或者完全依赖GAIL的内在奖励

---

## 下一步计划

1. ✅ **已完成**: 修复导入问题
2. ✅ **已完成**: 修复参数问题
3. ✅ **已完成**: 修复维度问题
4. ✅ **已完成**: 修复保存模型目录问题
5. ✅ **已完成**: 测试完整训练流程 - **训练脚本可以正常运行！**
5. 📝 **待办**: 实现专家数据加载
6. 📝 **待办**: 完善多智能体buffer
7. 📝 **待办**: 设计奖励函数
8. 📝 **待办**: 超参数调优

---

## 参考文档

- `技术说明文档.md` - 完整的技术实现细节
- `MAGAIL算法应用指南.md` - 使用指南和示例
- `README.md` - 项目概述

---

**最后更新**: 2024
**状态**: ✅ 主要问题已解决，可以开始训练