SCENIC是由UC Berkeley提出的一种新的概率规划语言,用于感知系统的设计和分析,特别是基于机器学习的感知系统。具体来说,SCENIC考虑了训练感知系统来处理函件事件、在不同条件下测试其性能以及调试故障等问题。SCENIC体现了概率编程语言如何帮助解决这些问题,方法是指定编码有趣类型输入的分布,并对它们进行采样以生成专门的训练和测试集。更广泛地说,这种语言可以用于网络-物理系统和机器人,来编写环境模型,这是任何形式化分析的基本前提。SCENIC关注的系统,如自动驾驶汽车和机器人,其所处的环境是一个场景——即物理对象和代理的配置。UC Berkeley团队设计了一种特定领域的编程语言,即SCENIC,用于描述场景上的分布场景。作为一种概率编程语言,SCENIC允许将分布分配给场景的特征,以及声明性地对场景施加硬约束和软约束。该团队开发了从生成的分布中采样的专门技术,利用了SCENIC的特定领域语法提供的结构。
下面对SCENIC在Windows环境的搭建做以介绍,供各位自动驾驶领域的朋友交流学习,如有问题可以直接在博客下评论,我看到后会积极回复~
一、安装Python
Scenic需要使用Python 3.8版本,
请不要使用Python 3.9版本及以上
,否则会遇到Python包Pillow无法正确安装(Pillow包的官方有介绍,Windows环境下暂不支持3.9及以上版本的Python)。
相信安装特定版本Python的工作难不倒聪明又伶俐的各位,
https://www.python.org/downloads/
二、使用pip安装wheel
1、在Python3中,应该是默认集成了pip,我们使用键盘快捷键Win+R打开运行窗口,输入“cmd”,回车。
2、在 命令行中依次输入:
python --version
↑ 检查你的Pyyhon版本是否符合
(一)
中的要求
pip --version
↑ 检查pip是否添加到环境变量PATH中
正常情况下,上述两行命令的运行结果应该形如下图所示:
3、安装wheel包
pip install -i https://mirrors.aliyun.com/pypi/simple/ wheel #-i 使用了阿里云镜像加速
由于国内网络环境的限制,上述代码使用了阿里云镜像进行加速;如果你在境外,那么可以使用不带“-i”选项的命令:
pip install wheel
三、尝试安装scenic
1、没错,在这里标题我使用的是“尝试”,自然是因为部署的过程中存在一个bug,导致安装失败,不妨让我们先使用pip尝试一下:
pip install -i https://mirrors.aliyun.com/pypi/simple/ scenic #-i 使用了阿里云镜像加速
同样地,境外的朋友可以运行下述不带“-i”选项版本的命令:
pip install scenic
2、不出所料地,你的安装过程会因为pynverse这个依赖包的安装Error导致失败,同样地,我们使用pip命令尝试单独安装pynverse会得到同样的结果:
仔细阅读这段
满江红
的报错,我们可以看到,问题出在安装pynverse包时,其依赖的imp包已经“deprecated”,经过查阅有关文档,那么我们就得使用imp包的继任者importlib来完成有关的工作了。
3、转到pynverse包的官方下载网站,
https://pypi.org/project/pynverse/
下载tar.gz压缩包并解压缩到本地
4、打开pynverse的安装文件夹,找到“setup.py”安装脚本,使用编辑器(例如Pycharm)进行修改,将代码内容替换为:
from setuptools import setup, find_packages
import importlib
version = importlib.machinery.SourceFileLoader('pynverse.version', 'pynverse/version.py').load_module()
rev = version.git_revision
setup(
name='pynverse',
packages=find_packages(),
version=rev,
description='A library for calculating the numerical inverse of a function',
author='Alvaro Sanchez-Gonzalez',
author_email='
[email protected]',
url='https://github.com/alvarosg/pynverse',
download_url='https://github.com/alvarosg/pynverse/tarball/' + rev,
keywords=['inverse', 'function', 'numerical'],
license='MIT',
classifiers=[
'Development Status :: 4 - Beta',
'Intended Audience :: Developers',
'Topic :: Software Development :: Build Tools',
'License :: OSI Approved :: MIT License',
'Programming Language :: Python :: 2.7',
'Programming Language :: Python :: 3',
'Programming Language :: Python :: 3.2',
'Programming Language :: Python :: 3.3',
'Programming Language :: Python :: 3.4',
'Programming Language :: Python :: 3.5',
test_suite='nose.collector',
install_requires=['scipy>=0.11', 'numpy>=1.6'],
setup_requires=['nose>=1.0', 'scipy>=0.11', 'numpy>=1.6'],
tests_require=['nose>=1.0', 'scipy>=0.11', 'numpy>=1.6'],
5、保存上述脚本后,打开cmd,键入命令(不要回车)
将刚刚解压缩的pynverse文件夹路径拖入cmd窗口,回车(这一步就是导航至pynverse包的安装文件夹内)
6、键入命令运行“setup.py”脚本以安装pynverse包,至此pynverse依赖包可以正常安装成功
python setup.py install
四、正式安装scenic
至此,我们可以正式安装scenic包:
pip install -i https://mirrors.aliyun.com/pypi/simple/ scenic #-i 使用了阿里云镜像加速
pip install scenic
五、下载LGSVL&安装LGSVL Python API
1、直接到LGSVL官网下载编译好的LGSVL Simulator,解压运行即可:
https://www.lgsvlsimulator.com/
2、LGSVL提供了Python API,供调试或联合其他工具集使用,我们到git主页下载压缩包:
https://github.com/lgsvl/PythonAPI
3、解压后,类似于安装pynverse包那样,我们在cmd中使用cd命令导航至PythonAPI包的安装文件夹下,键入命令以安装:
python setup.py install
六、尝试一个案例
1、打开LGSVL Simulator,点击Open Browser...以打开其控制台:
2、在控制台中,左侧选项卡选择“Simulations”选项,右侧弹出的界面选择“API Only”仿真环境,点击右下角的红色Play(
▶
)按钮,此时LGSVL界面会显示“API Ready!”
3、打开cmd,键入命令,以使用scenic对接LGSVL的Python API,生成测试用例:
scenic examples/driving/badlyParkedCarPullingIn.scenic --simulate --model scenic.simulators.lgsvl.model --time 200 --param map tests/formats/opendrive/maps/LGSVL/borregasave.xodr --param lgsvl_map BorregasAve
【注意】
要正确输入badlyParkedCarPullingIn.scenic文件和borregasave.xodr文件的路径,这些在scenic安装包中均有内置,敬请自行查找路径
最终,该案例运行的结果类似下图所示:
Scenic
场景描述语言的编译器和场景生成器。 请参阅以获取安装说明,以及有关
Scenic
语言、其实现及其与各种模拟器的接口的教程和其他信息。
有关该语言及其一些应用的描述,请参阅,它扩展了我们的(注意:自以来,
Scenic
的语法略有变化,并且添加了许多功能,例如支持动态场景;这些在预印本中进行了描述)。
Scenic
由 Daniel J. Fremont、Edward Kim、Tommaso Dreossi、Shromona Ghosh、Xianyu Yu、Alberto L. Sangiovanni-Vincentelli 和 Sanjit A. Seshia 设计和实施。
如果您在使用
Scenic
时遇到任何问题,请向提交问题或通过联系 Daniel。
存储库的组织方式如下:
src/
scenic
目录包含正确的包;
examples目录中有很多 Sce
1. CARLA
网址:https://carla.org/
简介:CARLA是一个开源的
自动驾驶
模拟器。它是从头开始构建的,用作模块化和灵活的API,以解决
自动驾驶
问题中涉及的一系列任务。CARLA的主要目标之一是帮助
自动驾驶
研发民主化,它是一种易于用户使用和定制的工具。为此,模拟器必须满足一般驾驶问题(例如学习驾驶策略,训练感知算法等)内不同用例的要求。CARLA基于Unreal Engine来运行模拟,并使用OpenDRIVE
at least 4 GHz Quad core CPU
NVIDIA GTX 1080 (8GB memory) or higher
Windows 10 (64-bit), Ubuntu 18.04 (64-bit), or Ubuntu 20.04 (64-bit)
官网
下载:https://www.svlsimulator.com/
官方参考文档:https://www.svlsimulator.com/docs/
下载完成之后,将压缩包进行解压缩。
运行 si
Explore our guides and examples for using SVL Simulator (formerly “
LGSVL
Simulator”).探索我们使用 SVL 模拟器(以前的“
LGSVL
模拟器”)的指南和示例。Get started here.从这里开始。Visit our website here: https://www.svlsimulator.com点击这里访问我们的网站: https://www.svlsimulator.com
从10月入职以来,换到
自动驾驶
行业已经有一段时间了。今天开始记录一些所必须的平台、软件等等操作,以免后续重复时找不到参考。
另外声明,由于大部分均为网站上资源,所以很多内容也都是转载于其他网站或博客,如有涉及侵权,请作者联系我删除,谢谢。
一、Win10下Ubuntu16.04双系统安装
该问题网上的教程很多很多,不过由于我一开始是装的Ubuntu18.04,所以我参考的如下链接所述方式ht...
Pynverse提供了一个主要函数inversefunc,它计算作为第一个参数以callable形式传递的函数f的数值逆。
from pynverse import inversefunc
它可用于计算某些y_values 点的反函数:
cube = (lambda x: x**3)
invcube =
React Native 框架的优势跨端方案的初衷是要解决多平台重复开发的问题,也就是说,使用跨端方案的话,多个平台的开发者可以使用相同的开发语言来开发适合不同系统的 App。React Native 使用 JavaScript 语言来开发,Flutter 使用的是 Dart 语言。这两门编程语言,对 iOS 开发者来说都有一定的再学习成本,而使用何种编程语言,其实决定了团队未来的技术栈。JavaScript 的历史和流行程度都远超 Dart ,生态也更加完善,开发者也远多于 Dart 程序员。所以,从编程
1 导读韩国企业LG电子,在2019年初发布了最初版本的
LGSVL
仿真器。到现在更新到了2019.11版本。其仿真器基于unity公司,提供
自动驾驶
开发的各种仿真。API是基于python,有点类似于CARLA。但让我感兴趣的是,
LGSVL
获得了Autoware的官方支持(估计是头牌赞助商吧),并且,官方支持基于百度Apollo CyberRT的仿真。那么就来尝尝鲜吧~关键词:
LGSVL
仿真器,韩...
SCENIC
(单细胞重组网络推断和聚类)是一种从单细胞RNA序列数据推断基因调控网络和细胞类型的计算方法。
该方法的描述和一些使用示例可在《。
当前在R(此存储库)和Python中有
SCENIC
的实现。 如果您不太喜欢使用R,我们建议您检查一下
SCENIC
(其中包含Nextflow工作流程)和Python / Jupyter笔记本,以轻松运行
SCENIC
(强烈建议您批量运行
SCENIC
或更大的数据集)。 然后,可以在R,Python或SCope(Web界面)中浏览任何实现的输出。
有关在R运行
SCENIC
的更多详细信息和安装说明,请参阅以下教程:
这些示例的输出位于: :
常见问题:
2021/03/26:
2020/06/26:
该
SCENIC
protocol包括Nextflow工作流程,并py
SCENIC
笔记本现在正式发布。 有关详细信息