基于DQN算法实现模拟小车倒车入库，强化学习算法使用stable-baselines3实现，小车和倒车环境基于pybullet实现。

• 强化学习算法、小车代码：https://github.com/RyanLiu112/RL_parking
• echarts代码：https://github.com/RyanLiu112/RL_parking/tree/main/echarts%E4%BB%A3%E7%A0%81
• PDF版论文：https://github.com/RyanLiu112/RL_parking/blob/main/%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E4%B8%AD%E7%9A%84%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%92%8C%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E6%8A%80%E6%9C%AF%E7%BB%BC%E8%BF%B0.pdf
• 网页版论文及echarts可视化：https://101.43.218.18/index.php/2022/08/08/%e8%ae%ba%e6%96%87/

• 目标：小车从车位前出发，车头方向与车位方向对齐，倒车过程中不能碰撞墙壁，实现垂直倒车入库。
• 效果：

• 目标：小车从 [0, 0] 出发，车头方向与车位垂直，倒车过程中不能碰撞墙壁，实现倒车入库。
• 效果：

• 目标：小车从 [0, 0] 出发，车头方向与车位垂直，倒车过程中不能碰撞墙壁和车位旁的小车，实现倒车入库。
• 效果：

• 目标：小车从 [0, 0] 出发，车头方向与车位平行，倒车过程中不能碰撞墙壁，实现倒车入库。
• 效果：

• 目标：小车从 [0, 0] 出发，车头方向与车位成 60 度角，倒车过程中不能碰撞墙壁，实现倒车入库。
• 效果：

• 目标：小车从任意点出发，车头方向随机，倒车过程中不能碰撞墙壁和车位旁的小车，实现倒车入库。
• 效果：

我们定义环境中心点为 [0, 0]，使用pybullet实时获取小车的坐标、速度和方向等信息，作为小车当前的状态。

状态是一个6维向量，分别为小车的x坐标、y坐标、x方向线速度、y方向线速度、与x方向夹角余弦值、与y方向夹角余弦值。

小车可以执行4种动作：前进、后退、左转、右转，使用pybullet在环境中模拟小车的运动。

对于大部分状态-动作对，我们定义如下 reward：

当小车碰撞到墙壁或其他小车时，定义 reward = -500。

我们设定回合长度为500，但当小车碰撞到墙壁或其他小车时，终止回合。

• 克隆本项目

git clone https://github.com/RyanLiu112/RL_parking

• 进入项目目录

cd RL_parking

• 安装停车环境（会同时安装gym、pybullet、stable-baselines3、torch、moviepy等第三方库）

pip install -e parking_env

在算法方面，我们选择了适用于离散动作空间的经典算法——DQN (Deep Q Network)。DQN是一种基于Q-learning的off-policy强化学习算法，使用replay buffer存放智能体在环境中探索得到的经验。

我们使用强化学习领域目前最为优秀的开源库stable-baselines3进行训练，10行代码即可训练强化学习智能体。同时，stable-baselines3支持向量化环境，训练速度较快，使用cpu即可快速完成训练。其中，任务1-5训练了2百万步，任务6训练了5百万步。

通过训练过程可以发现，前期小车有较高的探索概率，在环境中不断试错，根据试错经验进行学习，后期小车探索率降低，能够以较高的成功率完成停车过程。任务6在2百万步后，小车基本上达到了从任意点出发都可以停到目标车位的效果。

• 任务1：垂直倒车入库

python dqn_agent.py --mode=1

• 任务2：侧方位-垂直倒车入库

python dqn_agent.py --mode=2

• 任务3：侧方位-垂直倒车入库（车位旁边有小车）

python dqn_agent.py --mode=3

• 任务4：侧方位-平行倒车入库

python dqn_agent.py --mode=4

• 任务5：斜方位-60度倒车入库

python dqn_agent.py --mode=5

• 任务6：任意位置出发倒车入库（车位旁边有小车）

python dgn_agent.py --mode=6

python sac_her_agent.py

• mean episode reward

• success rate

# 需指定 mode 和 ckpt_path
python evaluate.py --mode=mode --ckpt_path=ckpt_path

python play.py

# 需指定 mode 和 ckpt_path
python render_video.py --mode=mode --ckpt_path=ckpt_path

# 需指定 mode 和 ckpt_path
python render_training_video.py --mode=mode --ckpt_path=ckpt_path

# 需指定 mode
python render_env_video.py --mode=mode

[1] Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, and Martin Riedmiller. Playing atari with deep reinforcement learning. arXiv preprint arXiv:1312.5602, 2013.

[2] Antonin Raffin, Ashley Hill, Adam Gleave, Anssi Kanervisto, Maximilian Ernestus, and Noah Dormann. Stable-baselines3: Reliable reinforcement learning implementations. Journal of Machine Learning Research, 2021.

[3] Erwin Coumans and Yunfei Bai. Pybullet, a python module for physics simulation for games, robotics and machine learning. https://pybullet.org, 2016–2021.

[4] Ajasra Gupta, Vikhyath Venkatraman, Prince Kumar Gond, Amarjeet Keshri, Lokesh Krishna, and Niranth Sai. gym-carpark. https://github.com/Robotics-Club-IIT-BHU/gym-carpark, 2020.

[5] Edouard Leurent. An environment for autonomous driving decision-making. https://github.com/eleurent/highway-env, 2018.