Deadline Cloud에서 CARLA를 사용하여 자율 주행 시뮬레이션 실행

autonomous_driving_carla 작업 번들은 구성 가능한 다중 센서 캡처를 사용하여 AWS Deadline Cloud에서 CARLA 자율 주행 시뮬레이션 파라미터 스윕을 실행합니다. 작업은 차선 변경 커트인 시나리오를 실행하고 구성 가능한 에고 속도, NPC 속도 및 NPC 시작 거리를 스윕합니다. 각 파라미터 조합은 작업을 생성합니다(기본값 2×2×2 = 작업 8개).

각 작업은 사용자가 선택한 카메라 뷰포인트에서 다중 센서 데이터를 캡처하고 KITTI 형식으로 카메라별 비디오, RGB 및 의미 체계 분할 프레임, LiDAR 포인트 클라우드(.ply) 및 2D/3D 경계 상자를 생성합니다.

작업은를 기반으로 Docker 컨테이너 내에서 실행됩니다carlasim/carla:0.9.16. 제출하기 전에 번들의 docker/ 디렉터리에서 사용자 지정 Docker 이미지를 빌드하고 Amazon Elastic Container Registry(Amazon ECR)로 푸시합니다. docker_nvidia_container_toolkit 호스트 구성 스크립트를 플릿에 연결하여 Docker와 NVIDIA 컨테이너 툴킷을 제공합니다.

이 번들을 실행하려면 GPU 플릿이 있는 Deadline Cloud 팜(최소 1개의 NVIDIA GPU, 16개의 vCPU, 64GiB 메모리)과가 있는 conda 대기열 환경이 필요합니다ffmpeg. 대기열 역할에는 Amazon ECR 풀 권한이 필요합니다.

job_bundles 디렉터리에서 작업을 제출합니다.

deadline bundle gui-submit autonomous_driving_carla

작업별 설정 탭에서 컨테이너 이미지 URI를 Amazon ECR 이미지로 설정하고 시나리오 파라미터(ego 속도, NPC 속도, NPC 거리) 및 카메라 시점을 구성합니다.