기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Deadline Cloud에서 CARLA를 사용하여 자율 주행 시뮬레이션 실행
<a name="examples-jb-carla"></a>

[autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) 작업 번들은 구성 가능한 다중 센서 캡처를 사용하여 AWS Deadline Cloud에서 [CARLA](https://carla.org/) 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 실행됩니다`carlasim/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](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/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 필요합니다`ffmpeg`. 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.