Установка
Подготовьте рабочее пространство один раз, затем перейдите к Первая симуляция. Процесс Docker использует контейнеры Linux на обеих платформах. В Windows CARLA запускается на хосте Windows, а команды CAVISE выполняются в Ubuntu под WSL2.
Требования к платформе
Текущие образ CARLA и клиент OpenCDA используют CARLA 0.9.16. Сервер, Python-клиент и дополнительные карты должны относиться к одному выпуску. Образы OpenCDA используют Ubuntu 24.04 и CUDA 13.0.3. Для скрипта настройки хоста требуется Python 3.10 или новее.
Предоставленная конфигурация Compose запрашивает GPU NVIDIA. Установите драйвер, совместимый со средой выполнения CUDA образа. Для сборки образов, карт CARLA и чекпойнтов моделей требуется значительный объём дискового пространства. Загружайте только компоненты и модели, необходимые для эксперимента.
Установите Git, Python с поддержкой venv, Docker Engine с плагином Compose v2 и NVIDIA Container Toolkit. Следуйте инструкции по установке Docker Engine и инструкции NVIDIA Container Toolkit.
CARLA работает в контейнере carla. Для программ с GUI также требуется работающий дисплей X11/XWayland. Диагностика дисплея описана в Устранение неполадок.
Установите WSL2 с Ubuntu и Docker Desktop. Включите серверную часть WSL2 в Docker Desktop и интеграцию с вашим дистрибутивом Ubuntu. Следуйте инструкции Docker по настройке GPU.
В Windows PowerShell проверьте версию WSL:
wsl --version
wsl --list --verbose
Установите Git и Python с поддержкой venv внутри Ubuntu. Храните checkout CAVISE в файловой системе WSL, например в ~/CAVISE.
Загрузите пакет CARLA 0.9.16 для Windows и соответствующие дополнительные карты по инструкции для пакетов CARLA. Установите карты в распакованный пакет CARLA, включая Town06, используемую в этих руководствах. Для запуска сервера среда Python в Windows не требуется. В приведённых ниже запросах карт и управлении сценариями используется клиент в контейнере OpenCDA.
Проверьте среду хоста из Linux Bash или Ubuntu в WSL2:
git --version
python3 --version
docker version
docker compose version
nvidia-smi
Команда docker version должна сообщать о доступном сервере. Одного успешного вызова nvidia-smi на хосте недостаточно, чтобы подтвердить доступ контейнера к GPU. В руководстве по первому запуску он также проверяется внутри OpenCDA.
Клонирование рабочего пространства
Запустите в Linux Bash или Ubuntu в WSL2:
git clone https://github.com/CAVISE/CAVISE.git
cd CAVISE
python3 -m venv venv
source venv/bin/activate
python -m pip install -r requirements.txt
python setup.py
Setup запрашивает ветку или тег для opencda, opencood, sumo, artery и scenario-manager. Выберите совместимые версии. В текущих основных ветках используются отдельные репозитории OpenCOOD и models.
Существующие каталоги пропускаются. Повторный запуск setup не обновляет существующий checkout. При обновлении проверьте локальные изменения и обновляйте каждый компонент осознанно. Выборочная настройка и параметры версий описаны в Команды и цели времени выполнения.
Пути рабочего пространства
Запускайте run.sh из корня CAVISE, где находится paths.conf. Скрипт загружает пути из этого файла и выбирает подходящую конфигурацию Compose. Стандартная структура:
CAVISE/
├── paths.conf
├── run.sh
├── opencda/
├── opencood/
├── sumo/
├── artery/
├── scenario-manager/
└── models/ # created when needed
Репозиторий models не клонируется при настройке. Команда run.sh up подготавливает его каталог для bind mount. OpenCDA загружает запрошенные пакеты во время выполнения. Автономное использование и пользовательские чекпойнты описаны в Модели и ресурсы времени выполнения.
Далее: Первая симуляция собирает только образы, необходимые для сценария CARLA/OpenCDA.