翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Deadline Cloud で CARLA を使用して自動運転シミュレーションを実行する
<a name="examples-jb-carla"></a>

[autonomous\_driving\_carla](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/autonomous_driving_carla) ジョブバンドルは、設定可能なマルチセンサーキャプチャを使用して Deadline Cloud AWS で [CARLA](https://carla.org/) 自動運転シミュレーションパラメータスイープを実行します。ジョブはレーンチェンジカットインシナリオを実行し、設定可能なエゴ速度、NPC 速度、NPC 開始距離をスイープします。各パラメータの組み合わせによってタスクが作成されます (デフォルトは 2×2×2 = 8 タスク）。

各タスクは、ユーザーが選択したカメラ視点からマルチセンサーデータをキャプチャし、カメラごとのビデオ、RGB およびセマンティックセグメンテーションフレーム、LiDAR 点群 (`.ply`)、KITTI 形式の 2D/3D 境界ボックスを生成します。

ジョブは、 に基づいて Docker コンテナ内で実行されます`carlasim/carla:0.9.16`。送信する前に、バンドルの `docker/` ディレクトリからカスタム Docker イメージを構築し、Amazon Elastic Container Registry (Amazon ECR) にプッシュします。[Docker\_nvidia\_container\_toolkit](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/host_configuration_scripts/docker_nvidia_container_toolkit) ホスト設定スクリプトをフリートにアタッチして、Docker と NVIDIA Container Toolkit を提供します。

このバンドルを実行するには、GPU フリート (1 つ以上の NVIDIA GPU、16 vCPU、64 GiB のメモリ) を備えた Deadline Cloud ファームと、 を備えた conda キュー環境が必要です`ffmpeg`。キューロールには Amazon ECR プルアクセス許可が必要です。

`job_bundles` ディレクトリから、ジョブを送信します。

```
deadline bundle gui-submit autonomous_driving_carla
```

*ジョブ固有の設定*タブで、コンテナイメージ URI を Amazon ECR イメージに設定し、シナリオパラメータ (送信速度、NPC 速度、NPC 距離) とカメラ視点を設定します。