Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Jalankan simulasi mengemudi otonom dengan CARLA di Deadline Cloud Bundel pekerjaan [autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) menjalankan sapuan parameter simulasi mengemudi otonom [CARLA di Deadline](https://carla.org/) Cloud dengan pengambilan multi-sensor yang dapat dikonfigurasi. AWS Pekerjaan ini menjalankan skenario cut-in perubahan jalur dan menyapu kecepatan ego yang dapat dikonfigurasi, kecepatan NPC, dan jarak awal NPC. Setiap kombinasi parameter menciptakan tugas (default 2 × 2 × 2 = 8 tugas). Setiap tugas menangkap data multi-sensor dari sudut pandang kamera yang dipilih pengguna dan menghasilkan video per kamera, bingkai segmentasi RGB dan semantik, awan titik LiDAR (), dan kotak pembatas dalam format KITTI. `.ply` 2D/3D Pekerjaan berjalan di dalam wadah Docker berdasarkan`carlasim/carla:0.9.16`. Sebelum mengirimkan, buat image Docker kustom dari `docker/` direktori dalam bundel dan dorong ke Amazon Elastic Container Registry (Amazon ECR). Lampirkan skrip konfigurasi host [docker\_nvidia\_container\_toolkit ke armada Anda untuk menyediakan Docker dan NVIDIA Container Toolkit](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit). Untuk menjalankan bundel ini, Anda memerlukan pertanian Deadline Cloud dengan armada GPU (minimal 1 GPU NVIDIA, 16 vCPU, memori 64 GiB) dan lingkungan antrian conda dengan. `ffmpeg` Peran antrian membutuhkan izin tarik Amazon ECR. Dari `job_bundles` direktori, kirimkan pekerjaan: ``` deadline bundle gui-submit autonomous_driving_carla ``` Pada tab *Job-specific pengaturan*, atur URI Gambar Kontainer ke gambar Amazon ECR Anda dan konfigurasikan parameter skenario (kecepatan ego, kecepatan NPC, jarak NPC) dan sudut pandang kamera.