本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在截止日期雲端上使用 CARLA 執行自動駕駛模擬
<a name="examples-jb-carla"></a>

[autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) 任務套件會使用可設定的多感應器擷取，在 AWS Deadline Cloud 上執行 [CARLA](https://carla.org/) 自動駕駛模擬參數掃描。任務會執行車道變更切入案例，並跨可設定的自我速度、NSC 速度和 NPC 起始距離進行掃描。每個參數組合都會建立任務 （預設 2×2×2 = 8 個任務）。

每個任務會從使用者選取的攝影機視點擷取多感應器資料，並以 KITTI 格式產生每個攝影機影片、RGB 和語意分割影格、LiDAR 點雲 (`.ply`) 和 2D/3D 邊界框。

任務會根據 在 Docker 容器內執行`carlasim/carla:0.9.16`。提交之前，請從套件中的 `docker/`目錄建置自訂 Docker 映像，並將其推送至 Amazon Elastic Container Registry (Amazon ECR)。將 [docker\_nvidia\_container\_toolkit](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit) 主機組態指令碼連接至您的機群，以提供 Docker 和 NVIDIA Container Toolkit。

若要執行此套件，您需要具有 GPU 機群 （最少 1 個 NVIDIA GPU、16 個 vCPU、64 GiB 記憶體） 的截止日期雲端陣列，以及具有 的 conda 佇列環境`ffmpeg`。佇列角色需要 Amazon ECR 提取許可。

從 `job_bundles`目錄中，提交任務：

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

在*任務特定設定*索引標籤上，將容器映像 URI 設定為 Amazon ECR 映像，並設定案例參數 （退避速度、VPC 速度、VPC 距離） 和攝影機視點。