本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Deadline Cloud 上使用 CARLA 进行自动驾驶模拟
<a name="examples-jb-carla"></a>

autonom [ous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) 作业捆绑包在 Deadline Cloud 上运行 [CARLA](https://carla.org/) 自动驾驶仿真参数扫描，可配置的多传感器捕获。 AWS 该任务运行的是换道切入场景，横跨可配置的自我速度、NPC 速度和 NPC 起始距离。每个参数组合都会创建一个任务（默认 2×2×2 = 8 个任务）。

每项任务都从用户选择的摄像机视点捕获多传感器数据，并以 KITTI 格式生成每台摄像机的视频、RGB 和语义分割帧、LiDAR 点云 `.ply` () 和 KITTI 格式的边界框。 2D/3D 

该作业在基于的 Docker 容器内运行。`carlasim/carla:0.9.16`提交之前，请从捆绑包中的`docker/`目录构建自定义 Docker 镜像，然后将其推送到亚马逊弹性容器注册表 (Amazon ECR) Container Registry。将 [docker\_nvidia\_container\_toolkit 主机配置脚本附加到您的队列中，以提供 Docker 和 NVIDIA 容器工具包](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit)。

要运行这个捆绑包，你需要一个带有 GPU 队列（至少 1 个 NVIDIA GPU、16 个 vCPU、64 GiB 内存）的 Deadline Cloud 场和一个带有 GPU 队列环境的 conda 队列环境。`ffmpeg`队列角色需要 Amazon ECR 拉取权限。

从`job_bundles`目录中提交作业：

```
deadline bundle gui-submit autonomous_driving_carla
```

在*Job-specific 设置*选项卡上，将容器镜像 URI 设置为您的 Amazon ECR 图像，并配置场景参数（自我速度、NPC 速度、NPC 距离）和摄像机视点。