MAGAIL4AutoDrive/scripts

scripts 工具脚本说明

本目录包含数据生成、回放、可视化与分析等工具脚本。训练脚本（train_bc.py、train_magail.py）位于项目根目录。

路径约定（相对项目根）

• 数据：data/exp_filtered（Waymo 场景）、data/training_data（专家 pkl 输出）
• 模型：models/bc/（BC）、models/magail/（MAGAIL）
• 日志：logs/bc/、logs/magail/（TensorBoard）

---

脚本列表与用法

数据生成

脚本	用途	用法示例
generate_expert_data.py	从 Waymo 数据生成专家 (obs, act) 的 pkl	见下方

多智能体（输出 expert_data_{start_index}_{num_scenarios}.pkl）：

python scripts/generate_expert_data.py --data_dir data/exp_filtered --output_dir data/training_data --num_scenarios 100 --start_index 0

单智能体（仅采集 ego 车轨迹，输出 expert_data_ego_{start_index}_{num_scenarios}.pkl，用于单智能体 BC）：

python scripts/generate_expert_data.py --data_dir data/exp_filtered --output_dir data/training_data --num_scenarios 100 --start_index 0 --ego_only

常用参数：--data_dir（默认 data/exp_filtered）、--output_dir（默认 data/training_data）、--start_index、--num_scenarios、--ego_only（仅保存 default_agent 轨迹，输出使用 expert_data_ego_*.pkl 前缀）。

---

可视化（统一入口）

脚本	用途	用法示例
visualize.py	replay：场景回放（ExpertReplayEnv）；policy：BC/MAGAIL 策略；trajectory：专家轨迹 2D 动画	见下方

子命令：

• replay（原始专家轨迹回放）：

python scripts/visualize.py replay --data_dir data/exp_filtered --num_scenarios 1 --horizon 500

• policy（BC 或 MAGAIL 训练策略）：与专家数据生成/回放一致——同一套车道+静态筛选、且会生成背景车（bg_*），使观测分布与训练集一致，便于在训练集上公平演示。

python scripts/visualize.py policy --policy_type bc --model_path models/bc/policy_best.pt --data_dir data/exp_filtered --num_scenarios 1
python scripts/visualize.py policy --policy_type magail --model_path models/magail/model_50_actor.pth --num_scenarios 1 --deterministic

• policy + 仅自车策略、其他车回放（BC 单智能体模型）：加 --ego_only，自车由策略控制，其余车辆按专家轨迹回放。

python scripts/visualize.py policy --policy_type bc --model_path models/bc/policy_best.pt --data_dir data/exp_filtered --num_scenarios 1 --ego_only

• policy + HBBC 动态背景车（仅动态背景车启用，静态背景车保持原样）：

python scripts/visualize.py policy \
  --policy_type bc \
  --model_path models/bc/policy_best.pt \
  --data_dir data/exp_filtered \
  --num_scenarios 1 \
  --ego_only \
  --enable_hbbc_background \
  --hbbc_model_path models/hbbc/hbbc.pt \
  --hbbc_inference_device cpu \
  --hbbc_latent_mode per_vehicle_fixed \
  --hbbc_latent_json_path docs/examples/hbbc_latent_example.json

• trajectory（专家轨迹 matplotlib 俯视图动画）：

python scripts/visualize.py trajectory --data_dir data/exp_filtered --scenario_idx 0

公共参数：--data_dir（默认 data/exp_filtered）、--start_index、--num_scenarios、--horizon。policy 模式另有 --policy_type（auto/bc/magail）、--model_path、--deterministic（仅 MAGAIL）、--ego_only（仅 BC：自车用策略，其他车专家回放）、--enable_hbbc_background、--hbbc_model_path、--hbbc_inference_device、--hbbc_latent_mode、--hbbc_latent_json_path。

---

数据分析与检查

脚本	用途	用法示例
analyze_expert_data.py	分析专家数据分布与统计	见脚本内 __main__（依赖 env 与数据目录配置）
check_track_fields.py	检查 Waymo 轨迹字段	见脚本内 __main__
check_database_info.py	检查数据库/场景信息	见脚本内 __main__（含硬编码路径，可按需改为 data/exp_filtered）

---

其他

脚本	用途	用法示例
launch_tensorboard.py	启动 TensorBoard	python scripts/launch_tensorboard.py --logdir logs（或 logs/bc / logs/magail）

---

与训练流程的对应关系

1. 数据准备：generate_expert_data.py → 输出到 data/training_data/*.pkl（多智能体 expert_data_*.pkl，单智能体 expert_data_ego_*.pkl）
2. BC 训练：根目录 train_bc.py → 模型保存到 models/bc/，日志到 logs/bc/。单智能体模式加 --single_agent 并指定 ego-only 的 pkl。
3. MAGAIL 训练：根目录 train_magail.py → 模型保存到 models/magail/，日志到 logs/magail/
4. 可视化：scripts/visualize.py（子命令 replay / policy / trajectory）→ 数据目录默认 data/exp_filtered