280 lines
7.2 KiB
Markdown
280 lines
7.2 KiB
Markdown
# 多智能体场景环境详细说明
|
||
|
||
## 1. 观测信息详解
|
||
|
||
### 观测向量结构（总维度：107维）
|
||
|
||
每个智能体的观测向量包含以下信息：
|
||
|
||
```python
|
||
观测向量 = [
|
||
# 1. 车辆状态信息 (5维)
|
||
position_x, # 车辆X坐标
|
||
position_y, # 车辆Y坐标
|
||
velocity_x, # X方向速度
|
||
velocity_y, # Y方向速度
|
||
heading_theta, # 朝向角度
|
||
|
||
# 2. 前向激光雷达 (80维)
|
||
lidar_1, # 第1个激光束的距离
|
||
lidar_2, # 第2个激光束的距离
|
||
...
|
||
lidar_80, # 第80个激光束的距离
|
||
# 范围：30米，用于前方障碍物检测
|
||
|
||
# 3. 侧向激光雷达 (10维)
|
||
side_lidar_1, # 第1个侧向激光束的距离
|
||
...
|
||
side_lidar_10, # 第10个侧向激光束的距离
|
||
# 范围：8米，用于侧方障碍物检测
|
||
|
||
# 4. 车道线检测 (10维)
|
||
lane_line_1, # 第1个车道线检测距离
|
||
...
|
||
lane_line_10, # 第10个车道线检测距离
|
||
# 范围：3米，用于车道线识别
|
||
|
||
# 5. 导航信息 (2维)
|
||
destination_x, # 目标点X坐标
|
||
destination_y, # 目标点Y坐标
|
||
]
|
||
```
|
||
|
||
### 观测信息说明
|
||
|
||
1. **车辆状态 (5维)**
|
||
- 位置：全局坐标系下的(x, y)
|
||
- 速度：车辆在全局坐标系下的速度分量
|
||
- 朝向：车辆的航向角（弧度）
|
||
|
||
2. **激光雷达 (100维)**
|
||
- 前向80束：覆盖前方视野，检测动态和静态障碍物
|
||
- 侧向10束：检测侧方物体，用于变道等操作
|
||
- 车道线10束：专门检测车道线位置
|
||
|
||
3. **导航信息 (2维)**
|
||
- 目标位置：从专家数据中提取的车辆最终位置
|
||
|
||
**总维度：5 + 80 + 10 + 10 + 2 = 107维**
|
||
|
||
---
|
||
|
||
## 2. 多场景加载逻辑
|
||
|
||
### 2.1 场景加载机制
|
||
|
||
MetaDrive的ScenarioEnv通过以下配置管理多场景：
|
||
|
||
```python
|
||
config = {
|
||
"data_directory": "path/to/dataset", # 包含dataset_mapping.pkl的目录
|
||
"num_scenarios": 3, # 场景总数（从mapping文件读取）
|
||
"start_scenario_index": 0, # 起始场景索引
|
||
"sequential_seed": True, # 是否顺序切换场景
|
||
}
|
||
```
|
||
|
||
### 2.2 场景切换逻辑
|
||
|
||
#### 场景索引管理
|
||
- **初始化**：环境启动时从`start_scenario_index`开始
|
||
- **顺序模式**（`sequential_seed=True`）：
|
||
- 每次`env.reset()`后自动切换到下一个场景
|
||
- 循环顺序：场景0 → 场景1 → 场景2 → 场景0 ...
|
||
|
||
#### 示例流程
|
||
```python
|
||
env = MultiAgentScenarioEnv(config={
|
||
"data_directory": "path/to/dataset", # 假设有3个场景
|
||
"start_scenario_index": 0,
|
||
"sequential_seed": True,
|
||
})
|
||
|
||
obs = env.reset(0) # 使用场景0
|
||
# ... 运行场景0 ...
|
||
|
||
obs = env.reset() # 自动切换到场景1
|
||
# ... 运行场景1 ...
|
||
|
||
obs = env.reset() # 自动切换到场景2
|
||
# ... 运行场景2 ...
|
||
|
||
obs = env.reset() # 循环回到场景0
|
||
```
|
||
|
||
### 2.3 当前场景信息获取
|
||
|
||
可以通过以下方式查看当前场景信息：
|
||
|
||
```python
|
||
# 获取当前场景索引
|
||
current_scenario = env.engine.current_seed
|
||
|
||
# 获取场景总数
|
||
total_scenarios = env.config["num_scenarios"]
|
||
|
||
# 查看场景ID
|
||
scenario_id = env.engine.traffic_manager.current_scenario_id
|
||
```
|
||
|
||
### 2.4 手动指定场景
|
||
|
||
如果需要固定使用某个场景：
|
||
|
||
```python
|
||
# 方法1：在reset时指定
|
||
obs = env.reset(seed=1) # 使用场景1
|
||
|
||
# 方法2：配置固定场景
|
||
config = {
|
||
"start_scenario_index": 2, # 从场景2开始
|
||
"sequential_seed": False, # 禁用自动切换
|
||
}
|
||
```
|
||
|
||
---
|
||
|
||
## 3. 车辆观测获取机制
|
||
|
||
### 3.1 观测获取流程
|
||
|
||
```
|
||
step() 被调用
|
||
↓
|
||
更新所有车辆物理状态
|
||
↓
|
||
_spawn_controlled_agents() # 生成新车辆（按时间步）
|
||
↓
|
||
_get_all_obs() # 获取所有车辆观测
|
||
↓
|
||
遍历 controlled_agents:
|
||
├─ 获取车辆状态 (position, velocity, heading)
|
||
├─ 调用激光雷达传感器
|
||
├─ 组装观测向量
|
||
└─ 添加到 obs_list
|
||
↓
|
||
返回 obs_list（包含所有车辆的观测）
|
||
```
|
||
|
||
### 3.2 观测返回格式
|
||
|
||
```python
|
||
obs = env.reset()
|
||
# obs 是一个列表，每个元素是一个车辆的观测向量
|
||
|
||
obs = [
|
||
[obs_vehicle_0], # 第1辆车的107维观测
|
||
[obs_vehicle_1], # 第2辆车的107维观测
|
||
...
|
||
]
|
||
|
||
# 在step中
|
||
obs, rewards, dones, infos = env.step(actions)
|
||
# obs格式相同，但只包含当前存活的车辆
|
||
```
|
||
|
||
### 3.3 观测一致性保证
|
||
|
||
1. **物理状态同步**
|
||
- 所有车辆在同一物理时间步获取观测
|
||
- 保证观测的时间一致性
|
||
|
||
2. **传感器独立性**
|
||
- 每个车辆有独立的传感器
|
||
- 激光雷达从各自位置发射
|
||
|
||
3. **动态车辆管理**
|
||
- 新车辆在生成时立即获取观测
|
||
- 观测列表动态更新
|
||
|
||
---
|
||
|
||
## 4. 常见问题解答
|
||
|
||
### Q1: 为什么观测维度是107而不是其他？
|
||
**A**:
|
||
- 车辆状态: 5维 (x, y, vx, vy, heading)
|
||
- 前向激光雷达: 80维
|
||
- 侧向激光雷达: 10维
|
||
- 车道线检测: 10维
|
||
- 目标位置: 2维
|
||
- **总计: 5 + 80 + 10 + 10 + 2 = 107维**
|
||
|
||
### Q2: 如何确保多场景都被使用？
|
||
**A**: 设置`sequential_seed=True`，环境会自动循环遍历所有场景。
|
||
|
||
### Q3: 车辆在不同时间步生成，如何获取观测？
|
||
**A**: 每次调用`step()`时：
|
||
1. 先检查是否有新车辆需要生成（`_spawn_controlled_agents`）
|
||
2. 为所有现存车辆（包括新生成的）获取观测
|
||
3. 返回的obs_list包含所有当前存活车辆的观测
|
||
|
||
### Q4: 如果场景中车辆数量不同怎么办？
|
||
**A**:
|
||
- 观测列表长度动态调整
|
||
- 使用`max_controlled_vehicles`可限制最大车辆数
|
||
- 使用`filter_offroad_vehicles`可过滤无效车辆
|
||
|
||
### Q5: 观测数据的坐标系是什么？
|
||
**A**:
|
||
- 位置/速度/目标：**全局坐标系**（世界坐标）
|
||
- 激光雷达：**车辆局部坐标系**（以车辆为中心）
|
||
|
||
---
|
||
|
||
## 5. 配置建议
|
||
|
||
### 5.1 训练配置
|
||
```python
|
||
config = {
|
||
"data_directory": "path/to/dataset",
|
||
"sequential_seed": True, # 循环使用所有场景
|
||
"filter_offroad_vehicles": True, # 过滤无效车辆
|
||
"max_controlled_vehicles": 20, # 限制车辆数防止过载
|
||
"inherit_expert_velocity": False, # 训练时不继承速度
|
||
"horizon": 300, # 每场景运行300步
|
||
}
|
||
```
|
||
|
||
### 5.2 评估配置
|
||
```python
|
||
config = {
|
||
"data_directory": "path/to/dataset",
|
||
"sequential_seed": False, # 固定场景
|
||
"start_scenario_index": 0, # 指定场景
|
||
"filter_offroad_vehicles": True,
|
||
"max_controlled_vehicles": None, # 不限制车辆数
|
||
"inherit_expert_velocity": True, # 评估时继承速度
|
||
"verbose_reset": True, # 输出详细信息
|
||
}
|
||
```
|
||
|
||
---
|
||
|
||
## 6. 调试技巧
|
||
|
||
### 6.1 查看当前场景信息
|
||
```python
|
||
# 在reset后查看
|
||
print(f"当前场景: {env.engine.current_seed}")
|
||
print(f"总场景数: {env.config['num_scenarios']}")
|
||
print(f"可控车辆数: {len(env.controlled_agents)}")
|
||
```
|
||
|
||
### 6.2 查看观测维度
|
||
```python
|
||
obs = env.reset()
|
||
print(f"车辆数量: {len(obs)}")
|
||
if len(obs) > 0:
|
||
print(f"单车辆观测维度: {len(obs[0])}")
|
||
```
|
||
|
||
### 6.3 启用详细日志
|
||
```python
|
||
config = {
|
||
"verbose_reset": True, # 重置时详细统计
|
||
"debug_lane_filter": True, # 车道过滤调试
|
||
}
|
||
```
|
||
|