As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Execute simulações de direção autônoma com CARLA no Deadline Cloud O pacote de tarefas [autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) executa uma varredura de parâmetros de simulação de direção autônoma [CARLA](https://carla.org/) no Deadline Cloud com captura configurável de vários sensores. AWS O trabalho executa um cenário de mudança de faixa e abrange velocidades de ego configuráveis, velocidades de NPC e distâncias iniciais de NPC. Cada combinação de parâmetros cria uma tarefa (padrão 2×2×2 = 8 tarefas). Cada tarefa captura dados de vários sensores dos pontos de vista da câmera selecionados pelo usuário e produz vídeos por câmera, quadros de segmentação semântica e RGB, nuvens de pontos LiDAR (`.ply`) e caixas delimitadoras no formato KITTI. 2D/3D O trabalho é executado dentro de um contêiner Docker baseado em. `carlasim/carla:0.9.16` Antes de enviar, crie a imagem personalizada do Docker a partir do `docker/` diretório no pacote e envie-a para o Amazon Elastic Container Registry (Amazon ECR). Anexe o script de configuração do host [docker\_nvidia\_container\_toolkit à sua frota para fornecer o Docker e o NVIDIA Container Toolkit](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit). Para executar esse pacote, você precisa de um farm Deadline Cloud com uma frota de GPU (mínimo 1 GPU NVIDIA, 16 vCPU, 64 GiB de memória) e um ambiente de fila conda com. `ffmpeg` A função de fila precisa de permissões de pull do Amazon ECR. No `job_bundles` diretório, envie o trabalho: ``` deadline bundle gui-submit autonomous_driving_carla ``` Na guia de *Job-specific configurações*, defina o URI da imagem de contêiner para sua imagem do Amazon ECR e configure os parâmetros do cenário (velocidades do ego, velocidades do NPC, distâncias do NPC) e os pontos de vista da câmera.