PCLA: A Framework for Testing Autonomous Agents in the CARLA Simulator

要約

特にシミュレーション環境では、自律運転剤のテストに関する最近の研究が大幅に増加しています。
カーラシミュレーターは多くの場合、好ましい選択であり、カーラリーダーボードチャレンジの自律エージェントは、この環境内で最高のパフォーマンスのエージェントと見なされています。
ただし、これらのエージェントをゼロからトレーニングするのではなく、これらのエージェントをテストする研究者は、カスタマイズされたテスト環境やシナリオ内でそれらを利用する際に課題に直面することがよくあります。
これらの課題に対処するために、リーダーボードの課題からの9つの高性能の事前訓練を受けた自律エージェントを含むオープンソースPythonテストフレームワークであるPCLA（前処理されたカーラリーダーボードエージェント）を紹介します。
PCLAは、任意のカーラ環境/シナリオでさまざまな自律エージェントをテストするために特別に設計された最初のインフラストラクチャです。
PCLAは、リーダーボードコードベースに頼らずにリーダーボードエージェントを車両に展開する簡単な方法を提供します。これにより、研究者はカーラバージョンやプログラミング環境の変更を必要とせずにエージェントを簡単に切り替えることができます。
PCLAはhttps://github.com/masoudjtehrani/pclaで公開されています。

要約(オリジナル)

Recent research on testing autonomous driving agents has grown significantly, especially in simulation environments. The CARLA simulator is often the preferred choice, and the autonomous agents from the CARLA Leaderboard challenge are regarded as the best-performing agents within this environment. However, researchers who test these agents, rather than training their own ones from scratch, often face challenges in utilizing them within customized test environments and scenarios. To address these challenges, we introduce PCLA (Pretrained CARLA Leaderboard Agents), an open-source Python testing framework that includes nine high-performing pre-trained autonomous agents from the Leaderboard challenges. PCLA is the first infrastructure specifically designed for testing various autonomous agents in arbitrary CARLA environments/scenarios. PCLA provides a simple way to deploy Leaderboard agents onto a vehicle without relying on the Leaderboard codebase, it allows researchers to easily switch between agents without requiring modifications to CARLA versions or programming environments, and it is fully compatible with the latest version of CARLA while remaining independent of the Leaderboard’s specific CARLA version. PCLA is publicly accessible at https://github.com/MasoudJTehrani/PCLA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google