SMARTS(二).2 straight 环境 + agent (PPO)训练代码解读--run.py

关注

VIP免费原创最新推荐文章于 2026-07-30 14:27:42 发布 1.3k 阅读 AI 写同款· GEO 优化 ›

【IC验证】怎么在sequence中调用agent中的函数以及如何快速实验你的想法？最近略忙，今天就给大家表演个胸口碎……码一段代码。通过本篇文章主要想送给广大验证初学者和爱好者2件礼物：“一条鱼”和“一只鱼竿”。希望大家连吃带拿，开开心心地。 “一条鱼”就是题目中的那个问题本身：“UVM中怎么在sequence中调用agent中的函数”。这个问题很多同学猛的听到可能还是会有一些懵，反应不出一个优雅的解决方法。 “一只鱼竿”就是当你遇到这样一个问题的时候，怎么快速写一段代码验证你的想法是不是可以实现，也就是Jerry今天带你解决这个问题的过程。好了，我们开车～众所周知，在UVM中阅读详情

训练内容的解析

基于SMARTS(二).1 straight 环境 + agent (PPO)训练代码解读–环境配置训练启动后内部运行流程分析。

在smarts/benchmark路径下

python run.py scenarios/intersections/staright -f agents/ppo/baseline-continuous-control.yaml

PPO+SMARTS内部究竟在做什么？

解析外部的yaml文件。
yaml被解读成为一个多层级结构（具体格式尚不清楚，但是访问方式简单），比如结构如下的yaml

name: ppo-baseline

agent:
  state:
    wrapper:
      name: Simple
    features:
      distance_to_center: True
      speed: True
      steering: True
      heading_errors: [20, continuous]
      neighbor: 8
  action:
    type: 1  # 0 for continuous, 1 for discrete

interface:
  max_episode_steps: 1000
  neighborhood_vehicles:
    radius: 50
  waypoints:
    lookahead: 50  # larger than size of heading errors

policy:
  framework: rllib
  trainer:
    path: ray.rllib.agents.ppo
    name: PPOTrainer

run:
  checkpoint_freq: 40
  checkpoint_at_end: True
  max_failures: 1000
  resume: False
  export_formats: [model, checkpoint]
  stop:
    time_total_s: 14400
  config:
    log_level: WARN
    num_workers: 1
    num_gpus: 0
    horizon: 1000
    clip_param: 0.2
    num_sgd_iter: 10
    sgd_minibatch_size: 32
    lr: 1e-4
    lambda: 0

解析方式为：

import yaml
with open(base_dir / config_file, "r") as f:
    raw_config = yaml.safe_load(f)

raw_config就是一个多级结果，通过raw_config['agent']['state']['wrapper']['name']方式进行访问具体的数值。
随后raw_config被送入benchmark/agents/init.py中的_make_rllib_config()进行解析并返回解析后的config。

接下来逐个查看整个yaml的解析流程：

action space
yaml中

  action:
    type: 1  # 0 for continuous, 1 for discrete

将上述离散值送入解析

from . import common
agent = config["agent"]
action_type = agent["action"]["type"]
common.ActionSpace.from_type(action_type)

解析流程如下：

class ActionSpace:
    @staticmethod
    def from_type(action_type: int):
        space_type = ActionSpaceType(action_type)
        if space_type == ActionSpaceType.Continuous:
            return gym.spaces.Box(
                low=np.array([0.0, 0.0, -1.0]),
                high=np.array([1.0, 1.0, 1.0]),
                dtype=np.float32,
            )
        elif space_type == ActionSpaceType.Lane:
            return gym.spaces.Discrete(4)
        else:
            raise NotImplementedError

1 离散对应与ActionSpaceType.Lane

class ActionSpaceType(Enum):
    Continuous = 0
    Lane = 1
    ActuatorDynamic = 2
    LaneWithContinuousSpeed = 3
    TargetPose = 4
    Trajectory = 5
    MultiTargetPose = 6  # for boid control
    MPC = 7

所以上述解析返回的数值为gym.spaces.Discrete(4)

class Discrete(Space):
    r"""A discrete space in :math:`\{ 0, 1, \\dots, n-1 \}`. 

    Example::

        >>> Discrete(2)

    """
    def __init__(self, n):
        assert n >= 0
        self.n = n
        super(Discrete, self).__init__((), np.int64)

    def sample(self):
        return self.np_random.randint(self.n)

    def contains(self, x):
        if isinstance(x, int):
            as_int = x
        elif isinstance(x, (np.generic, np.ndarray)) and (x.dtype.char in np.typecodes['AllInteger'] and x.shape == ()):
            as_int = int(x)
        else: