huangfu/MAGAIL4AutoDrive
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
ceb6648a3108f2dd8c122b5565d83008e875c5b2
MAGAIL4AutoDrive/TRAINING_ARCHITECTURE.md
huangfu 4dbea5f0a6 mixed_training
2026-01-17 14:50:20 +08:00

14 KiB
Raw Blame History

MAGAIL 训练方案架构文档

目录

  1. 训练数据结构
  2. 多智能体训练机制
  3. 完整训练流程
  4. 当前项目问题
  5. TensorBoard 日志问题

1. 训练数据结构

1.1 数据维度

观测空间 (Observation Space)

  • 维度: 45维
  • 组成:
    • Ego状态 (5维): [position_x, position_y, velocity_x, velocity_y, heading_theta]
    • 邻居信息 (40维): 最多10个邻居，每个邻居4维特征
      • 每个邻居: [relative_x, relative_y, velocity_x, velocity_y]
      • 如果邻居数量 < 10，用零填充

动作空间 (Action Space)

  • 维度: 2维
  • 组成: [steering, accel]
  • 范围: 归一化到 [-1, 1]

1.2 数据格式

专家数据文件结构 (.pkl 文件):

# 每个 .pkl 文件包含一个列表，每个元素是一条车辆轨迹
trajectories = [
    {
        'obs': np.array,      # Shape: (T, 45) - T为轨迹长度（可变）
        'acts': np.array,     # Shape: (T, 2) - 对应的动作序列
        'agent_id': str,      # 车辆ID
        'scenario_id': int    # 场景ID
    },
    ...
]

数据特点:

  • 轨迹长度 T 是可变的，取决于车辆在场景中的存活时间
  • 最小轨迹长度过滤: 只保留长度 > 10 的轨迹
  • 数据已通过静态车辆过滤（移动距离 < 5m 且最大速度 < 1m/s 的车辆被过滤）

1.3 数据生成流程

脚本: scripts/generate_expert_data.py

流程:

  1. 从 Waymo 数据 (data/exp_filtered) 加载场景
  2. 使用 ExpertReplayEnv 回放专家轨迹
  3. 通过逆动力学 (Env/inverse_dynamics.py) 计算动作
  4. 构建45维观测（Ego + 10个最近邻居）
  5. 过滤无效轨迹（长度 < 10）
  6. 保存为 .pkl 文件到 data/training_data/

关键代码位置:

  • 观测构建: Env/expert_replay_env.py 的 _get_all_obs() 方法
  • 动作计算: Env/inverse_dynamics.py 的 compute_action() 方法

2. 多智能体训练机制

2.1 可变长度处理

问题: 不同场景中智能体数量不同，每个智能体的轨迹长度也不同。

解决方案:

  1. 数据层面 (dataset/magail_dataset.py):
    • 将轨迹展平为独立的 (state, action) 对
    • 每个样本是独立的，不保留序列信息
    • 这样所有轨迹可以统一处理，不受长度限制
# MAGAILExpertDataset 的处理方式
for traj in self.trajectories:
    obs = traj['obs']  # (T, 45)
    acts = traj['acts']  # (T, 2)
    # 展平为独立样本
    for i in range(len(obs)):
        self.flat_data.append((obs[i], acts[i]))  # 每个样本: (45,), (2,)
  1. 训练环境层面 (train_magail.py):
    • 每个 episode 动态处理不同数量的智能体
    • 在 rollout 循环中，为每个活跃智能体独立收集数据
    • 所有智能体的数据合并到一个 memory 中
# Rollout 循环
for agent_id, obs in obs_dict.items():
    act, logprob = ppo_agent.select_action(obs)
    actions[agent_id] = act
    # 所有智能体的数据都存入同一个 memory
    memory['states'].append(obs)
    memory['actions'].append(actions[agent_id])
    ...
  1. 观测维度固定:
    • 通过 MAGAILScenarioEnv 确保观测维度始终为45维
    • 邻居数量不足时用零填充，保证维度一致

2.2 多智能体交互

环境设置:

  • 使用 MAGAILScenarioEnv (继承自 MultiAgentScenarioEnv)
  • 自定义 _get_all_obs() 方法，确保观测格式与专家数据一致
  • 每个智能体独立选择动作，环境统一执行

关键点:

  • 所有智能体共享同一个策略网络（参数共享）
  • 每个智能体独立计算动作和奖励
  • 数据收集时将所有智能体的经验合并

3. 完整训练流程

3.1 数据准备阶段

步骤 1: 生成专家数据

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

输出: data/training_data/expert_data_*.pkl

3.2 模型初始化

网络架构:

  1. Actor (策略网络):

    • 输入: 45维状态
    • 输出: 2维动作（连续）
    • 结构: MLP (45 → 256 → 256 → 2)
    • 输出分布: 高斯分布（均值 + 可学习标准差）

  2. Critic (价值网络):

    • 输入: 45维状态
    • 输出: 标量价值
    • 结构: MLP (45 → 256 → 256 → 1)

  3. Discriminator (鉴别器):

    • 输入: 45维状态 + 2维动作 = 47维
    • 输出: 标量（0-1之间，表示专家概率）
    • 结构: MLP (47 → 256 → 256 → 1) + Sigmoid

3.3 训练循环

主循环 (train_magail.py 的 train() 函数):

For each episode:
    1. 收集 Rollout
       - 重置环境（随机选择场景）
       - 运行策略收集轨迹
       - 存储 (state, action, logprob, next_state, done)
    
    2. 训练 Discriminator
       - 采样专家批次
       - 采样策略批次
       - 更新鉴别器:
         - Expert loss: BCE(D(s_e, a_e), 1)
         - Policy loss: BCE(D(s_p, a_p), 0)
         - Total: L_d = L_expert + L_policy
    
    3. 计算 GAIL 奖励
       - 对所有策略状态-动作对:
         reward = -log(1 - D(s, a) + ε)
       - 替换环境奖励
    
    4. 更新策略 (PPO)
       - 计算 GAE (Generalized Advantage Estimation)
       - PPO 更新 (K epochs):
         - 计算优势函数
         - 计算策略损失（带clip）
         - 计算价值损失
         - 更新 Actor 和 Critic

3.4 训练目标

Discriminator 目标:

L_D = E_{(s,a)~π_E}[-log(D(s,a))] + E_{(s,a)~π_θ}[-log(1-D(s,a))]
  • 最大化区分专家数据和策略数据的能力

Policy (Generator) 目标:

L_π = E_{(s,a)~π_θ}[-log(D(s,a))] - λ_H(π_θ)
  • 通过 PPO 优化，使用 GAIL 奖励作为信号
  • 最大化鉴别器给出的"专家概率"
  • 同时保持策略熵（探索）

PPO 更新:

# 优势函数 (GAE)
advantages = compute_gae(rewards, values, next_values, dones, gamma, lambda)

# 策略损失
ratios = exp(log_probs - old_log_probs)
surr1 = ratios * advantages
surr2 = clip(ratios, 1-ε, 1+ε) * advantages
policy_loss = -min(surr1, surr2) + 0.01 * entropy

# 价值损失
value_loss = MSE(critic(states), returns)

# 总损失
total_loss = policy_loss + 0.5 * value_loss

3.5 关键代码位置

  • 训练主循环: train_magail.py:278-505
  • PPO 更新: train_magail.py:90-146
  • Discriminator 更新: train_magail.py:429-462
  • GAIL 奖励计算: train_magail.py:472-477

4. 当前项目问题

4.1 环境重置问题

问题描述:

  • MetaDrive 环境在快速重置时可能出现对象清理不完整的问题
  • 错误信息: "You should clear all generated objects..."

当前处理:

  • 代码中已有异常处理机制（train_magail.py:288-342）
  • 重置失败时会尝试关闭并重新创建环境
  • 但可能导致训练不稳定

建议修复:

  • 在每次重置前显式清理所有对象
  • 增加重置间隔，避免过于频繁的重置
  • 考虑使用环境池（Environment Pool）复用环境实例

4.2 观测维度对齐

问题描述:

  • 原始 MultiAgentScenarioEnv 返回108维观测（包含Lidar）
  • 专家数据使用45维观测
  • 维度不匹配会导致训练失败

当前解决方案:

  • 通过 MAGAILScenarioEnv 重写 _get_all_obs() 方法
  • 确保训练环境与专家数据使用相同的观测格式

代码位置: train_magail.py:223-262

4.3 数据收集效率

问题描述:

  • 每个 episode 都需要完整运行环境收集数据
  • 可变长度轨迹导致 batch 大小不一致
  • 可能影响训练稳定性

当前处理:

  • 使用展平的数据集，每个样本独立
  • 在 rollout 时收集所有智能体的数据，合并处理

潜在改进:

  • 考虑使用经验回放缓冲区
  • 实现轨迹级别的采样（保留序列信息）

4.4 内存管理

问题描述:

  • 长时间训练可能导致内存泄漏
  • 环境对象可能没有完全释放

当前处理:

  • 代码中有显式的 gc.collect() 和 torch.cuda.empty_cache()
  • 但可能不够彻底

建议:

  • 定期检查内存使用
  • 考虑限制 rollout 长度
  • 使用更激进的清理策略

4.5 训练稳定性

问题描述:

  • Discriminator 可能过早收敛，导致策略无法学习
  • GAIL 奖励可能不稳定

当前处理:

  • 使用标准的 GAIL 奖励公式: -log(1 - D(s,a) + ε)
  • PPO 的 clip 机制提供稳定性

潜在改进:

  • 考虑使用 WGAN-GP 或 LSGAN 损失
  • 实现 Discriminator 的预训练
  • 添加奖励归一化

5. TensorBoard 日志问题

5.1 问题分析

现象:

  • runs/magail_0112/ 目录下只有模型文件（.pth），没有 TensorBoard 事件文件（events.out.tfevents.*）
  • 其他目录（magail_full, magail_production）有事件文件

可能原因:

  1. TensorBoard 未安装:

    • 代码中有 try-except 处理（train_magail.py:269-274）
    • 如果 TensorBoard 未安装，writer 会被设置为 None
    • 训练会继续，但不会写入日志

  2. 日志写入失败:

    • 即使 SummaryWriter 创建成功，如果写入时出错，可能不会生成文件
    • 需要检查是否有异常被静默捕获

  3. 训练中断:

    • 如果训练在写入第一个日志前中断，可能没有事件文件
    • 但模型文件已保存，说明训练至少运行了一段时间

5.2 检查方法

步骤 1: 检查 TensorBoard 安装

python -c "import tensorboard; print(tensorboard.__version__)"

步骤 2: 检查训练脚本中的日志写入 查看 train_magail.py:493-496:

if writer:
    writer.add_scalar('Loss/Discriminator', disc_loss.item(), i_episode)
    writer.add_scalar('Loss/Policy', ppo_loss, i_episode)
    writer.add_scalar('Reward/Mean_GAIL', np.mean(all_gail_rewards), i_episode)

步骤 3: 检查日志目录权限

ls -la runs/magail_0112/

5.3 解决方案

方案 1: 确保 TensorBoard 已安装

pip install tensorboard

方案 2: 添加显式刷新 在训练循环结束后，显式调用 writer.flush():

if writer:
    writer.flush()  # 确保数据写入磁盘

方案 3: 添加日志验证 在训练开始时检查日志目录:

if writer:
    # 测试写入
    writer.add_scalar('Test/Initialization', 0.0, 0)
    writer.flush()
    print(f"TensorBoard logging enabled. Log dir: {args.log_dir}")
else:
    print("WARNING: TensorBoard not available. Logging disabled.")

方案 4: 使用文件日志作为备份 即使 TensorBoard 不可用，也可以写入文本日志:

import logging
logging.basicConfig(
    filename=os.path.join(args.log_dir, 'training.log'),
    level=logging.INFO
)

5.4 代码修复建议

在 train_magail.py 中添加以下改进:

  1. 确保 disc_loss 在 CPU 上:
# 第425行附近
disc_loss = torch.tensor(0.0).cuda()  # 改为 .cuda() 或保持 CPU
# 或者在使用时转换
if writer:
    disc_loss_value = disc_loss.item() if isinstance(disc_loss, torch.Tensor) else disc_loss
    writer.add_scalar('Loss/Discriminator', disc_loss_value, i_episode)
  1. 添加显式刷新:
# 第496行后添加
if writer:
    writer.flush()  # 确保数据写入磁盘
  1. 添加初始化验证:
# 第271行后添加
if writer:
    # 测试写入
    writer.add_scalar('Test/Initialization', 0.0, 0)
    writer.flush()
    print(f"✓ TensorBoard logging enabled. Log dir: {args.log_dir}")
    # 检查文件是否创建
    import glob
    event_files = glob.glob(os.path.join(args.log_dir, "events.out.tfevents.*"))
    if event_files:
        print(f"✓ TensorBoard event file created: {event_files[0]}")
else:
    print("⚠ WARNING: TensorBoard not available. Logging disabled.")
  1. 在训练结束时确保关闭:
# 第505行后添加
if writer:
    writer.flush()  # 最后一次刷新
    writer.close()
    print(f"TensorBoard logs saved to {args.log_dir}")

5.5 验证修复

重新训练测试:

python train_magail.py \
    --expert_data_dir data/training_data \
    --data_dir data/exp_filtered \
    --batch_size 1024 \
    --max_episodes 10 \
    --log_dir runs/test_tensorboard

检查输出:

# 应该看到事件文件
ls runs/test_tensorboard/events.out.tfevents.*

# 启动 TensorBoard
tensorboard --logdir runs/test_tensorboard

对于 magail_0112 训练: 由于该训练已经完成且没有日志文件，建议：

  1. 检查训练时的控制台输出，确认是否有 "TensorBoard not installed" 消息
  2. 如果确实没有 TensorBoard，可以重新运行少量 episode 来验证修复
  3. 或者查看是否有其他日志文件（如 training.log）

附录: 关键文件清单

核心训练文件

  • train_magail.py: 主训练脚本
  • dataset/magail_dataset.py: 专家数据集加载
  • Env/expert_replay_env.py: 专家回放环境
  • Env/scenario_env.py: 多智能体场景环境
  • Env/inverse_dynamics.py: 逆动力学计算

数据生成文件

  • scripts/generate_expert_data.py: 专家数据生成
  • scripts/visualize_replay.py: 数据可视化
  • scripts/analyze_expert_data.py: 数据分析

配置文件

  • README.md: 项目说明
  • TRAINING_ARCHITECTURE.md: 本文档

总结

本项目的 MAGAIL 训练方案通过以下方式处理多智能体可变长度问题：

  1. 数据层面: 将轨迹展平为独立样本，统一处理
  2. 环境层面: 动态处理不同数量的智能体，合并经验
  3. 网络层面: 固定输入维度（45维），通过零填充处理邻居不足的情况

训练流程遵循标准的 GAIL 框架，使用 PPO 作为策略优化算法。当前主要问题集中在环境稳定性和日志记录方面，需要进一步优化。

Reference in New Issue View Git Blame Copy Permalink