自动驾驶—CARLA仿真（17）invertedai_traffic demo

📌 测试用例

PythonAPI/examples/invertedai_traffic.py

CARLA 与 InvertedAI 的联合仿真系统（Co-simulation），用于：

1. 利用 InvertedAI 云服务生成高真实感交通流
2. 在 CARLA 中渲染并同步这些智能体的行为
3. 支持车辆 + 行人混合交通、交通灯联动、路径规划

适用于 大规模城市级自动驾驶仿真、行为预测验证、V2X 场景生成。

💡 InvertedAI

一家提供 云原生交通仿真 API 的公司，其模型基于真实世界驾驶数据训练，能生成比 CARLA TrafficManager 更真实的车辆行为。

免费额度有限！

---

🔑 主要模块解析

1. InvertedAI 初始化流程

# 1. 获取地图区域信息
location_info_response = iai.location_info(location=args.location)

# 2. 划分初始化区域（四叉树）
regions = iai.get_regions_default(...)

# 3. 调用 large_initialize 生成初始智能体
response = iai.large_initialize(
    location=args.location,
    regions=regions,
    traffic_light_state_history=[traffic_lights_states],
    ...
)

• large_initialize ：
  • 在指定地理区域（如 carla:Town10HD）生成 50+ 辆车 的初始状态
  • 考虑 交通灯状态 和 车辆间相对位置
  • 返回每个智能体的 AgentState（位置/朝向/速度）和 AgentProperties（尺寸/类型）

✅ 解决了 CARLA 原生 spawn 点不足的问题，支持 任意位置生成车辆。

---

2. CARLA-InvertedAI 双向同步机制

(1) CARLA → InvertedAI 同步

• 交通灯状态：

  traffic_lights_states = assign_iai_traffic_lights_from_carla(...)

  • 将 CARLA 交通灯状态（红/黄/绿）映射到 InvertedAI ID
  • 每帧更新，确保 AI 车辆遵守信号灯

• 行人状态（非 IAI 控制）：

  state, properties = initialize_iai_agent(actor, "pedestrian")
  response.agent_states[agent_id] = state  # 反馈行人位置给 IAI

  • CARLA 控制的行人位置实时同步到 InvertedAI
  • 避免 IAI 车辆与行人碰撞

(2) InvertedAI → CARLA 同步

def update_transforms(iai2carla, response):
    for agent_id in iai2carla.keys():
        if agentdict["is_iai"]:
            agent = response.agent_states[agent_id]
            actor.set_transform(transform_iai_to_carla(agent))

• 每帧将 InvertedAI 计算的 新位姿 应用到 CARLA 车辆
• 关键设置 ：actor.set_simulate_physics(False)
  → 禁用 CARLA 物理引擎，完全由 IAI 控制运动

---

3. 动态路径规划（Waypoint System）

def get_next_waypoints(carla_map, agent_states, waypoints, args):
    # 1. 检查是否需要新航点
    if distance_to_waypoint <= detection_threshold or >= max_distance_away:
        # 2. 从 CARLA 路网获取下一个航点
        wp = carla_map.get_waypoint(agent_location)
        next_wp = random.choice(wp.next(args.iai_waypoint_distance))
        return [next_wp.x, next_wp.y]

• 解决 IAI 无全局路径问题 ：
  InvertedAI 只提供局部行为，本脚本通过 CARLA 路网补充 长距离导航
• 参数控制 ：
  • --iai-waypoint-distance=15：航点间隔 15 米
  • --iai-max-distance-away=20：偏离超 20 米则重规划

✅ 实现 InvertedAI 行为 + CARLA 导航 的混合控制。

---

4. 混合交通参与者管理

类型	控制方	生成方式
IAI 车辆	InvertedAI 云服务	large_initialize + large_drive
CARLA 行人	CARLA 内置 AI	controller.ai.walker
Hero 车	用户（可选）	第一辆生成的车辆

• 行人特殊处理 ：
  • 仅由 CARLA 控制（不调用 IAI）
  • 但位置同步给 IAI 避障
• Hero 车 ：
  • 通过 --hero 参数指定
  • 自动设置第三人称视角跟随

---

5. 高级配置与日志

• API 参数 ：
  • --api-model=bI5p：指定 InvertedAI 模型版本
  • --iai-async=True：异步调用 API 提升性能
• 数据记录 ：
  • --record：启用 CARLA 录制（.log 文件）
  • --iai-log：导出 InvertedAI 专用日志（.json），支持可视化回放

---

🌐 系统架构图

+------------------+       +---------------------+
|   InvertedAI     |<----->|      CARLA          |
|  (Cloud Service) |  API  |  (Local Simulator)  |
+------------------+       +----------+----------+
        ↑                             ↑
        | 同步交通灯状态              | 同步行人位置
        | 下发车辆位姿                | 上报路网信息
        ↓                             ↓
+------------------+       +---------------------+
|  Real-world      |       |  Rendering &        |
|  Driving Data    |       |  Physics (Disabled) |
+------------------+       +---------------------+

---

✅ 总结

该脚本是 CARLA 与商业级交通仿真 API 集成的案例，展示了：

1. 如何 扩展 CARLA 原生交通能力 至城市级规模
2. 如何 融合云服务 AI 与本地渲染引擎
3. 如何 实现高保真、可扩展、可复现 的混合仿真

💡 核心价值 ：

利用 InvertedAI 的 真实驾驶行为模型 ，弥补 CARLA TrafficManager 在 复杂交互场景（如无保护左转、密集车流）中的不足，为自动驾驶系统提供更严苛的测试环境。