Env/expert_replay_env.py: 专家回放环境。核心类 ExpertReplayEnv，负责读取 Waymo 轨迹，计算逆动力学动作，并过滤非道路/静态车辆。
Env/inverse_dynamics.py: 逆动力学模块。根据车辆位置和航向计算油门、刹车和转向动作。
scripts/generate_expert_data.py: 数据收集脚本。批量运行场景并保存训练数据。
scripts/visualize_replay.py: 可视化脚本。用于观察回放效果和数据质量。

🚀 1. 数据收集

生成专家数据

使用 generate_expert_data.py 脚本从 Waymo 数据集中批量提取 (State, Action) 对。

# 设置 Python 路径
export PYTHONPATH=$PYTHONPATH:.:./metadrive

# 运行生成脚本
# --data_dir: Waymo 数据路径 (建议使用 exp_filtered)
# --output_dir: 结果保存路径
# --num_scenarios: 要处理的场景数量
python scripts/generate_expert_data.py \
    --data_dir data/exp_filtered \
    --output_dir data/training_data \
    --num_scenarios 100 \
    --start_index 0

生成的 .pkl 文件结构：包含一个列表，每个元素是一条车辆轨迹（Trajectory Dictionary）：

obs: (T, 45) - 观测矩阵。包含 Ego 状态 (5维) + 10辆邻居车相对信息 (40维)。
acts: (T, 2) - 动作矩阵。[Steering, Accel]，归一化到 [-1, 1]。
agent_id: 车辆 ID。
scenario_id: 所属场景 ID。

内置过滤器：脚本会自动过滤掉以下无效车辆：

非道路车辆：始终在停车场或路外行驶的车辆。
静态车辆：全称移动距离小于 5米且速度从未超过 1m/s 的车辆（作为背景流存在，不收集数据）。

🔍 2. 数据可视化与验证

回放可视化

使用 visualize_replay.py 直观地观察回放效果，确认车辆行为是否自然，以及过滤逻辑是否生效。

# 运行可视化
# --horizon: 回放的最大步数 (Waymo 场景通常为 90 或 198 步)
python scripts/visualize_replay.py \
    --data_dir data/exp_filtered \
    --start_index 0 \
    --num_scenarios 1 \
    --horizon 200

观察要点：

受控车辆 (Controlled Agents)：控制台会显示数量（如 Controlled agents: 2）。这些是真正产生数据的车辆。
背景车辆：如果在渲染图中看到其他车（通常是路边停放的），但受控数量很少，说明静态过滤生效了。

数据分析

使用 analyze_expert_data.py 查看生成数据的统计分布。

python scripts/analyze_expert_data.py --data_path data/training_data/expert_data_0_100.pkl

🧠 3. 模型训练 (Next Steps)

有了 data/training_data/ 下的专家数据后，您可以开始训练 MAGAIL 模型。

训练流程

加载数据：使用 dataset/expert_dataset.py 中的 ExpertDataset 类加载 .pkl 数据。
初始化 MAGAIL：
- Generator (Policy): 接收观测 (B, 45)，输出动作 (B, 2)。
- Discriminator: 接收状态-动作对 (s, a)，判断是专家还是生成器。
交互采样：
- 在 MultiAgentScenarioEnv（非回放模式）中运行 Policy。
- 收集 Policy 生成的轨迹。
对抗更新：
- 利用专家数据和 Policy 数据训练 Discriminator。
- 利用 Discriminator 的输出作为 Reward (GAIL Reward) 训练 Policy (PPO/TRPO)。

README.md Unescape Escape

MAGAIL4AutoDrive

📁 核心模块