4步跑通Bench2Drive闭环端到端评测完整指南【免费下载链接】Bench2Drive[NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert项目地址: https://gitcode.com/gh_mirrors/ben/Bench2DriveBench2Drive是NeurIPS 2024收录的闭环端到端自动驾驶评测基准配套13638段世界模型RL专家Think2Drive采集的驾驶数据。本文覆盖环境搭建、标注读取、单路线调试到220条路线全量出分的完整链路带你从0跑出第一个分数。 评测怎么算分220条路线与4项指标动手装环境前先搞清楚这套基准在评什么后面所有调试参数才有依据。图1Bench2Drive闭环评测框架概览——左侧RL专家生成训练数据右侧220条路线闭环打分核心事实220条评测路线见leaderboard/data/bench2drive220.xml10个Town、多种天气组合训练数据分3档Mini 10段 / Base 1000段约400G/ Full 13638段约4T快验集Dev10从220条中精选10条方差低适合消融四项总分指标驾驶得分Driving Score按路线加权求和成功率Success Rate完成且无违规的路线占比驾驶效率按通行时间打分驾驶平滑度基于加速度与jerk的分段舒适度统计tools/ability_benchmark.py中还按场景名划分了5个能力维度Overtaking、Merging、Emergency_Brake、Give_Way、Traffic_Signs统计口径是通过数/总数一个场景可同时计入多个维度。 最小上手路径debug模式跑通一条路线弄懂评分逻辑后先用debug模式打通CARLA启动→agent接管→出结果json整条链路再谈并行加速。CARLA 0.9.15怎么装并挂进Python环境先克隆仓库再装CARLA并把egg路径写进site-packagesgit clone https://gitcode.com/gh_mirrors/ben/Bench2Drive cd Bench2Drive # CARLA 0.9.15解压到任意目录后 export CARLA_ROOTYOUR_CARLA_PATH echo $CARLA_ROOT/PythonAPI/carla/dist/carla-0.9.15-py3.7-linux-x86_64.egg \ YOUR_CONDA_ENV/lib/python3.7/site-packages/carla.pthteam agent放在哪个目录把agent脚本放进leaderboard/team_code/模型权重放到Bench2Drive根目录下Bench2Drive/ leaderboard/team_code/your_team_agent.py # 你的agent your_model_folder/ # 软链或实体目录均可debug模式怎么跑改完脚本里的4个变量后直接运行它会单卡跑220条路线中的一条完整流程并验证agent正确性# leaderboard/scripts/run_evaluation_debug.sh 内先修改 # GPU_RANK3 TEAM_AGENTleaderboard/team_code/your_team_agent.py # TEAM_CONFIGyour_ckpt.pth bash leaderboard/scripts/run_evaluation_debug.sh跑完用以下命令把相机序列canbus信息合成视频肉眼确认控制是否生效python tools/generate_video.py -f your_rgb_folder/️ 数据目录怎么读anno标注里有什么跑通单条路线后你会拿到大量传感器输出训练或分析前先看懂每个clip的组织方式。图2Bench2Drive评测所用CARLA场景——城市道路、多车交互与交通信号每个clip目录按Town_天气_路线命名内部结构场景名/Town_天气_路线/ anno/00000.json.gz 每帧GZIP压缩的JSON标注 camera/rgb_front/… 6路RGB顶视JPG格式 camera/depth_*/semantic_*/instance_* lidar/00000.laz laszip压缩 radar/00000.h5 5路雷达 expert_assessment/ 专家评估数据anno每帧JSON的三块内容示意{ x: 1234.5, y: 987.6, theta: 1.57, speed: 15.0, throttle: 0.8, steer: 0.1, sensors: { CAM_FRONT: { location: [1.5, 0.0, 1.4], world2cam: [[...]], cam2ego: [[...]], fov: 90 } }, bounding_boxes: {vehicle: [], pedestrian: []} }自车位置、控制量、近远两个waypoint与command每个传感器的外参矩阵world2cam、cam2ego等自车、车辆、行人、红绿灯、交通标志的3D框坐标涉及World、Ego、LiDAR、Compass四套系对齐关系建议直接用下一节的可视化工具确认而不是手算。 visualize.py怎么把标注画到画面上anno里多坐标系容易看错最快的校验办法是把3D框投影到RGB和BEV上肉眼对齐。一行命令生成可视化cd tools python visualize.py -f clip路径 -m maps/Town13_lanemarkings.npz # 例如 -f NonSignalizedJunctionLeftTurnEnterFlow/Town13_723输出包含6路RGB顶视上的3D框、车道线叠加、LiDAR的BEV与投影到前相机的点云保存到同名-vis目录。高精地图npz里有什么tools/gen_hdmap.py为每个Town生成的npz按road_id → lane_id两级组织每车道含Points位置-旋转序列、TypeSolid/Broken等、Color、Topology含交通设施的路段另有TriggerVolumes记录触发体积顶点及其父actorStopSign或TrafficLight位置。⚠️ CARLA跑不起来的5个高频坑CARLA依赖复杂且进程难杀以下5个问题按现象→原因→解决顺序排查能覆盖日常排障的大头。现象启动报端口冲突原因上次进程残留或用了小端口解决lsof -i:30000查占用端口避开10000以下现象场景卡死、RPC连接超时原因CarlaUE4残留进程解决bash tools/clean_carla.sh重复执行23次现象CARLA进程一闪而过原因Vulkan环境异常解决/usr/bin/vulkaninfo | head -n 5检查再sudo apt install vulkan-tools vulkan-utils重装现象总分莫名偏低原因结果json里路线数不足220条缺失路线按0分计解决跑完tools/merge_route_json.py看警告补齐缺的路线现象设了CUDA_VISIBLE_DEVICESGPU却换不动原因CARLA只看命令行参数-graphicsadapter解决部分机器上adapter1不可用4卡机可能映射为0/2/3/4换号单跑验证 多卡并行评测与Dev10快验单路线打通后220条路线单卡要跑数天此时才需要并行工具链和快验集。多卡怎么分任务tools/split_xml.py把220条路线切成TASK_NUM份leaderboard/scripts/run_evaluation_multi_uniad.sh里的GPU_RANK_LIST与TASK_LIST一一对应官方建议GPU:Task比例1:2# run_evaluation_multi_uniad.sh 内按机器改这两个数组 TASK_NUM8 # 路线切分份数 # GPU_RANK_LIST(0 1 2 3) # TASK_LIST(0 1 2 3)三条命令出总分全部跑完后按顺序执行前三项指标一次出齐python tools/merge_route_json.py -f your_json_folder/ python tools/ability_benchmark.py -r merge.json python tools/efficiency_smoothness_benchmark.py -f merge.json -m your_metric_folder/消融实验用Dev10leaderboard/data/drivetransformer_bench2drive_dev10.xml是ICLR25论文提出的快验集10条路线、难而有代表性、方差低专门用来避免在220条全量集上过拟合调参。图3Bench2Drive多能力评测对比——官方基线在220条路线上的得分与能力维度分布收尾接下来做什么到这里你已具备从装环境到全量出分的完整能力按下面清单推进下Mini集4G即可用tools/visualize.py看标注对齐debug模式先跑通1条路线多卡并行跑完220条消融用Dev10正式出分用全量出分前核对路线数220【免费下载链接】Bench2Drive[NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert项目地址: https://gitcode.com/gh_mirrors/ben/Bench2Drive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 4步跑通Bench2Drive闭环端到端评测完整指南
4步跑通Bench2Drive闭环端到端评测完整指南【免费下载链接】Bench2Drive[NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert项目地址: https://gitcode.com/gh_mirrors/ben/Bench2DriveBench2Drive是NeurIPS 2024收录的闭环端到端自动驾驶评测基准配套13638段世界模型RL专家Think2Drive采集的驾驶数据。本文覆盖环境搭建、标注读取、单路线调试到220条路线全量出分的完整链路带你从0跑出第一个分数。 评测怎么算分220条路线与4项指标动手装环境前先搞清楚这套基准在评什么后面所有调试参数才有依据。图1Bench2Drive闭环评测框架概览——左侧RL专家生成训练数据右侧220条路线闭环打分核心事实220条评测路线见leaderboard/data/bench2drive220.xml10个Town、多种天气组合训练数据分3档Mini 10段 / Base 1000段约400G/ Full 13638段约4T快验集Dev10从220条中精选10条方差低适合消融四项总分指标驾驶得分Driving Score按路线加权求和成功率Success Rate完成且无违规的路线占比驾驶效率按通行时间打分驾驶平滑度基于加速度与jerk的分段舒适度统计tools/ability_benchmark.py中还按场景名划分了5个能力维度Overtaking、Merging、Emergency_Brake、Give_Way、Traffic_Signs统计口径是通过数/总数一个场景可同时计入多个维度。 最小上手路径debug模式跑通一条路线弄懂评分逻辑后先用debug模式打通CARLA启动→agent接管→出结果json整条链路再谈并行加速。CARLA 0.9.15怎么装并挂进Python环境先克隆仓库再装CARLA并把egg路径写进site-packagesgit clone https://gitcode.com/gh_mirrors/ben/Bench2Drive cd Bench2Drive # CARLA 0.9.15解压到任意目录后 export CARLA_ROOTYOUR_CARLA_PATH echo $CARLA_ROOT/PythonAPI/carla/dist/carla-0.9.15-py3.7-linux-x86_64.egg \ YOUR_CONDA_ENV/lib/python3.7/site-packages/carla.pthteam agent放在哪个目录把agent脚本放进leaderboard/team_code/模型权重放到Bench2Drive根目录下Bench2Drive/ leaderboard/team_code/your_team_agent.py # 你的agent your_model_folder/ # 软链或实体目录均可debug模式怎么跑改完脚本里的4个变量后直接运行它会单卡跑220条路线中的一条完整流程并验证agent正确性# leaderboard/scripts/run_evaluation_debug.sh 内先修改 # GPU_RANK3 TEAM_AGENTleaderboard/team_code/your_team_agent.py # TEAM_CONFIGyour_ckpt.pth bash leaderboard/scripts/run_evaluation_debug.sh跑完用以下命令把相机序列canbus信息合成视频肉眼确认控制是否生效python tools/generate_video.py -f your_rgb_folder/️ 数据目录怎么读anno标注里有什么跑通单条路线后你会拿到大量传感器输出训练或分析前先看懂每个clip的组织方式。图2Bench2Drive评测所用CARLA场景——城市道路、多车交互与交通信号每个clip目录按Town_天气_路线命名内部结构场景名/Town_天气_路线/ anno/00000.json.gz 每帧GZIP压缩的JSON标注 camera/rgb_front/… 6路RGB顶视JPG格式 camera/depth_*/semantic_*/instance_* lidar/00000.laz laszip压缩 radar/00000.h5 5路雷达 expert_assessment/ 专家评估数据anno每帧JSON的三块内容示意{ x: 1234.5, y: 987.6, theta: 1.57, speed: 15.0, throttle: 0.8, steer: 0.1, sensors: { CAM_FRONT: { location: [1.5, 0.0, 1.4], world2cam: [[...]], cam2ego: [[...]], fov: 90 } }, bounding_boxes: {vehicle: [], pedestrian: []} }自车位置、控制量、近远两个waypoint与command每个传感器的外参矩阵world2cam、cam2ego等自车、车辆、行人、红绿灯、交通标志的3D框坐标涉及World、Ego、LiDAR、Compass四套系对齐关系建议直接用下一节的可视化工具确认而不是手算。 visualize.py怎么把标注画到画面上anno里多坐标系容易看错最快的校验办法是把3D框投影到RGB和BEV上肉眼对齐。一行命令生成可视化cd tools python visualize.py -f clip路径 -m maps/Town13_lanemarkings.npz # 例如 -f NonSignalizedJunctionLeftTurnEnterFlow/Town13_723输出包含6路RGB顶视上的3D框、车道线叠加、LiDAR的BEV与投影到前相机的点云保存到同名-vis目录。高精地图npz里有什么tools/gen_hdmap.py为每个Town生成的npz按road_id → lane_id两级组织每车道含Points位置-旋转序列、TypeSolid/Broken等、Color、Topology含交通设施的路段另有TriggerVolumes记录触发体积顶点及其父actorStopSign或TrafficLight位置。⚠️ CARLA跑不起来的5个高频坑CARLA依赖复杂且进程难杀以下5个问题按现象→原因→解决顺序排查能覆盖日常排障的大头。现象启动报端口冲突原因上次进程残留或用了小端口解决lsof -i:30000查占用端口避开10000以下现象场景卡死、RPC连接超时原因CarlaUE4残留进程解决bash tools/clean_carla.sh重复执行23次现象CARLA进程一闪而过原因Vulkan环境异常解决/usr/bin/vulkaninfo | head -n 5检查再sudo apt install vulkan-tools vulkan-utils重装现象总分莫名偏低原因结果json里路线数不足220条缺失路线按0分计解决跑完tools/merge_route_json.py看警告补齐缺的路线现象设了CUDA_VISIBLE_DEVICESGPU却换不动原因CARLA只看命令行参数-graphicsadapter解决部分机器上adapter1不可用4卡机可能映射为0/2/3/4换号单跑验证 多卡并行评测与Dev10快验单路线打通后220条路线单卡要跑数天此时才需要并行工具链和快验集。多卡怎么分任务tools/split_xml.py把220条路线切成TASK_NUM份leaderboard/scripts/run_evaluation_multi_uniad.sh里的GPU_RANK_LIST与TASK_LIST一一对应官方建议GPU:Task比例1:2# run_evaluation_multi_uniad.sh 内按机器改这两个数组 TASK_NUM8 # 路线切分份数 # GPU_RANK_LIST(0 1 2 3) # TASK_LIST(0 1 2 3)三条命令出总分全部跑完后按顺序执行前三项指标一次出齐python tools/merge_route_json.py -f your_json_folder/ python tools/ability_benchmark.py -r merge.json python tools/efficiency_smoothness_benchmark.py -f merge.json -m your_metric_folder/消融实验用Dev10leaderboard/data/drivetransformer_bench2drive_dev10.xml是ICLR25论文提出的快验集10条路线、难而有代表性、方差低专门用来避免在220条全量集上过拟合调参。图3Bench2Drive多能力评测对比——官方基线在220条路线上的得分与能力维度分布收尾接下来做什么到这里你已具备从装环境到全量出分的完整能力按下面清单推进下Mini集4G即可用tools/visualize.py看标注对齐debug模式先跑通1条路线多卡并行跑完220条消融用Dev10正式出分用全量出分前核对路线数220【免费下载链接】Bench2Drive[NeurIPS 2024 Datasets and Benchmarks Track] Closed-Loop E2E-AD Benchmark Enhanced by World Model RL Expert项目地址: https://gitcode.com/gh_mirrors/ben/Bench2Drive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考