安装Airsim并在Airsim仿真环境下进行DDPG DQN强化学习算法无人机训练

微软开源了基于虚幻4引擎的一款用于模拟无人机飞行的工具AirSim。用户可以用在虚幻引擎下模拟无人机的飞行并进行数据采集。非常适合做视觉算法的测试以及仿真环境的训练等等，下面介绍如何快速使用次仿真环境完成project的运行和使用。

首先是要虚幻4引擎和airsim的安装，两篇讲得比较好的

https://blog.csdn.net/Michael_Bzw/article/details/80362011

https://blog.csdn.net/u011860814/article/details/60469441

这里面包括了编译airsim的工作，但实际一般初次玩只需要装好仿真环境就可以了。https://github.com/Microsoft/AirSim/releases（这里推荐下载1.1.8的仿真环境，因为后面用的代码基于这个版本，下图使用的环境是AirsimNH）

如果想自建环境可以参考这篇文章https://blog.csdn.net/ZJU_fish1996/article/details/78984828

接下来运行.exe或者.bat,程序便能打开，按F1键可以看说明，然后就可以开始控制了。

但要注意的是实际上Airsim的控制以及图片回传都是通过RPC远程接口调用实现的，简单就是绑定一个ip端口并且与其他程序互相沟通，控制无人机和无人车的方法。airsim支持两种控制，一种是通过USB接入控制手柄控制（之前安装博客说的就是这个）另一种就是通过API调用控制，API可以写代码进行策略修改以及计算机视觉的任务。

 

上图为DDPG训练的效果demo展示

airsim的开源代码在https://github.com/Microsoft/AirSim 之中，里面包含Airsim的源码的一些使用demo，需要修改控制等问题的可以对源码进行修改并编译。

里面其中的hellocar helloDrone包含了C++版的小型上手案例，而PythonClient 里则有Python版的使用案例，通过阅读案例可以找到对应的接口函数以及具体调用方法。具体的api可以阅读此链接https://github.com/Microsoft/AirSim/blob/master/docs/apis.md

只需要打开.bat or .exe 然后跑对应程序就可以控制了，推荐先跑跑以上demo.

这里使用python版并使用https://github.com/AirSimDroneSimulator/AirSim/tree/master/3D_path_finding 的代码

里面包含DDPG 和 DQN 的算法实现，可以使用anaconda配好环境再装jupyter notebook（里面部分算法用到）就可以运行了，记忆中使用python3.5。DDPG代码里具体还有一些小bug需要修改下比如（63*63*3）或许需要改成（63*63*1）以适配深度网络。

环境需要install numpy cython  tensorflow keras  py-opencv  pillow 

以及

pip install msgpack-rpc-python

pip install airsim

 

如果DDPG跑main.py 训练成功后，将data文件夹中最新训练好的模型放入test文件夹里，就可以在test.py里测试训练后的效果。