Racecar Gym 代码

在 Conda 环境中运行这些代码，但需要确保正确配置 Python 环境和安装依赖。正确执行 Racecar Gym 代码。

1. 安装 Conda（如果还未安装）

如果你还没有 Conda，可以从 Anaconda 或 Miniconda 下载并安装。

2. 创建和配置 Conda 环境

首先，你需要创建一个新的 Conda 环境，以便隔离 Racecar Gym 相关的依赖项。

conda create --name racecar_gym python=3.8 -y

• racecar_gym：自定义环境名称

• python=3.8：Racecar Gym 兼容 Python 3.8（推荐）

然后激活环境：

conda activate racecar_gym

3. 安装依赖

Racecar Gym 需要一些 Python 依赖项，包括 Gymnasium、PyBullet、PettingZoo 等。

你可以手动安装这些依赖：

pip install gymnasium pybullet pettingzoo numpy matplotlib

或者直接运行 requirements.txt（如果项目提供了）：

pip install -r requirements.txt

4. 下载 Racecar Gym 代码

在 Conda 环境中，克隆 Racecar Gym 的 GitHub 仓库：

git clone https://github.com/axelbr/racecar_gym.git
cd racecar_gym

然后安装 Racecar Gym：

pip install -e .

• -e .：可编辑模式，允许你修改代码后立即生效。

5. 运行 Gym API 代码

现在，你可以打开 Python 交互环境 或 Jupyter Notebook，然后运行以下代码：

import gymnasium
import racecar_gym.envs.gym_api

env = gymnasium.make(
    id='SingleAgentAustria-v0',  # 选择赛道
    render_mode='human'          # 启用渲染
)

obs, info = env.reset()

for _ in range(100):  # 运行 100 步
    action = env.action_space.sample()  # 采样随机动作
    obs, rewards, terminated, truncated, info = env.step(action)
    
    if terminated or truncated:
        break  # 终止条件

env.close()

✅ 运行效果

• 如果一切正常，你应该会看到 3D 赛道渲染窗口，赛车会在赛道上随机行驶。

6. 运行 PettingZoo API（多智能体）

如果你想运行 multi-agent（多智能体） 版本，可以使用 PettingZoo API：

from racecar_gym.envs import pettingzoo_api

env = pettingzoo_api.env(scenario='path/to/scenario.yml')

env.reset()
for agent in env.agent_iter():
    action = env.action_space(agent).sample()
    env.step(action)

env.close()

• pettingzoo_api.env(scenario='path/to/scenario.yml')：加载自定义 YAML 场景文件。

• env.agent_iter()：多智能体循环，每个代理（Agent）轮流执行动作。

7. 运行自定义 Scenario

你也可以运行自定义的 Scenario（YAML 配置）：

env = gymnasium.make(
    id='SingleAgentRaceEnv-v0', 
    scenario='my_scenario.yml',  # 你的 YAML 配置文件路径
    render_mode='rgb_array_follow'
)

💡 修改 YAML 文件 来设置不同的赛道、代理（Agents）、任务（Tasks）。

8. 遇到问题怎么办？

如果安装或运行报错，请检查：

1. Python 版本是否正确（推荐 3.8）。

2. 是否安装了所有依赖（pip install -r requirements.txt）。

3. 是否激活了 Conda 环境（conda activate racecar_gym）。

4. 是否正确安装了 Racecar Gym（pip install -e .）。

5. 显卡驱动：如果使用 render_mode='human'，需要安装 OpenGL 支持：

sudo apt-get install -y python-opengl xvfb

✅ 总结

1. 创建 Conda 环境 → conda create --name racecar_gym python=3.8 -y

2. 激活环境 → conda activate racecar_gym

3. 安装 Racecar Gym 依赖 → pip install -r requirements.txt

4. 下载 & 安装 Racecar Gym → git clone + pip install -e .

5. 运行 Gym API / PettingZoo API 代码