Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Exécutez des simulations de conduite autonome avec CARLA sur Deadline Cloud Le job bundle [autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) exécute un balayage des paramètres de simulation de conduite autonome [CARLA](https://carla.org/) sur Deadline Cloud avec capture multicapteur configurable. AWS Le job exécute un scénario de changement de voie et passe en revue les vitesses d'ego configurables, les vitesses des PNJ et les distances de départ des PNJ. Chaque combinaison de paramètres crée une tâche (par défaut 2×2×2 = 8 tâches). Chaque tâche capture des données multicapteurs à partir de points de vue de caméra sélectionnés par l'utilisateur et produit des vidéos par caméra, des images de segmentation RGB et sémantique, des nuages de points LiDAR (`.ply`) et des cadres de délimitation au format KITTI. 2D/3D La tâche s'exécute dans un conteneur Docker basé sur`carlasim/carla:0.9.16`. Avant de la soumettre, créez l'image Docker personnalisée à partir du `docker/` répertoire du bundle et envoyez-la vers Amazon Elastic Container Registry (Amazon ECR). Joignez le script de configuration hôte [docker\_nvidia\_container\_toolkit](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit) à votre flotte pour fournir Docker et le NVIDIA Container Toolkit. Pour exécuter ce bundle, vous avez besoin d'une ferme Deadline Cloud avec un parc de processeurs graphiques (minimum 1 GPU NVIDIA, 16 vCPU, 64 GiB de mémoire) et d'un environnement de file d'attente Conda avec. `ffmpeg` Le rôle de file d'attente nécessite des autorisations d'extraction Amazon ECR. Depuis le `job_bundles` répertoire, soumettez le job : ``` deadline bundle gui-submit autonomous_driving_carla ``` Dans l'onglet *Job-specific Paramètres*, définissez l'URI de l'image du conteneur sur votre image Amazon ECR et configurez les paramètres du scénario (vitesses de l'ego, vitesses des PNJ, distances entre les PNJ) et les points de vue des caméras.