🎓 自动驾驶场景生成毕设项目

本项目整合了三个主要的代码库，用于研究基于AI的自动驾驶场景生成技术。项目已完成完整配置，支持从自然语言描述到Scenic代码生成的全流程。

🏆 项目特色

✅ 完整配置: 所有环境已配置完成，可直接使用
🤖 AI集成: 支持GPT-4o、Claude等多模型API
🎭 场景丰富: 包含40+预定义场景和AI生成能力
💰 成本优化: 智能模型选择策略，最低$0.15/1M tokens
📚 文档完善: 中文文档，快速上手
🔬 Baseline评测: 统一评测框架，对比不同方法性能

📁 项目结构

~/桌面/毕设/代码/
├── 📄 README.md                          # 项目总览 (本文件)
├── 📚 docs/                              # 完整中文文档
│   ├── 01_快速开始指南.md
│   ├── 02_环境配置指南.md
│   ├── 03_API使用指南.md
│   ├── 04_文件位置指南.md
│   ├── 05_项目完成总结.md
│   ├── 06_Scenic配置总结.md
│   ├── baseline_eval_guide.md            # Baseline评测指南
│   └── FINAL_TEST_RESULTS.md             # 最终测试结果
├── 🔬 baseline_evaluation/               # 基准评测系统 (新增)
│   ├── README.md                         # 评测系统详细说明
│   ├── baseline_eval.py                  # 主评测脚本
│   └── test_baseline_eval_properties.py  # 属性测试套件
├── 🔧 scripts/                          # 配置脚本
│   ├── 02_配置API密钥.sh                 # API配置
│   ├── 03_模型配置测试.py                # 模型测试
│   ├── 04_环境检查.sh                    # 环境检查
│   ├── 05_配置ChatScene.sh              # ChatScene配置
│   └── 06_配置ScenicNL.sh               # ScenicNL配置
├── 🧪 tests/                            # 测试套件
│   ├── 01_基础环境测试.py
│   ├── 02_API连接测试.py
│   ├── 03_Scenic功能测试.py
│   ├── 04_ChatScene项目测试.py
│   ├── 05_ScenicNL项目测试.py
│   ├── 06_完整环境测试.py
│   ├── 07_baseline_eval_smoke.py         # Baseline评测烟雾测试
│   ├── 测试_AI场景生成功能.py
│   ├── 测试_ChatScene功能.py
│   └── 测试_完整工作流程.py
├── 🛠️ tools/                            # 管理工具
│   ├── baseline_eval.py                  # 统一Baseline评测脚本 (已迁移)
│   ├── ai_gen_scenic.py                  # AI场景生成工具
│   ├── 项目管理工具.py                   # 项目状态管理
│   └── 文件查找工具.py                   # 文件定位
├── 📊 data/                              # 数据文件
│   └── prompts_v1.jsonl                  # 评测用例数据 (25条测试用例)
├── 🎭 examples/                          # 示例文件
│   ├── README.md                         # 示例说明
│   ├── test_simple.scenic                # 简单测试场景
│   └── generated_scenarios/              # AI生成的场景
│       ├── AI生成_场景变体1.scenic
│       ├── AI生成_场景变体2.scenic
│       ├── AI生成_场景变体3.scenic
│       ├── AI生成_超车场景.scenic
│       ├── AI生成_交叉口碰撞.scenic
│       ├── AI生成_完整工作流程示例.scenic
│       └── ai_generated_crash_scenario.scenic
├── 🏗️ .kiro/                            # 项目规范文档
│   └── specs/baseline-evaluation-system/ # Baseline评测系统规范
│       ├── requirements.md              # 需求文档 (10个主要需求)
│       ├── design.md                     # 设计文档 (24个正确性属性)
│       └── tasks.md                      # 任务列表 (16个实现任务)
├── 🎭 Scenic-main/                      # Scenic官方代码库 ✅
├── 🚗 ChatScene-main/                   # ChatScene项目 ✅
└── 🗣️ ScenicNL-main/                    # ScenicNL项目 ✅

🎯 三大核心项目

1. 🎭 Scenic-main (官方代码库)

状态: ✅ 完全配置完成
描述: Scenic语言的官方实现，概率性场景建模
版本: 3.1.0
功能: 基础场景描述语言和仿真框架

2. 🚗 ChatScene-main (CVPR2024)

状态: ✅ 核心功能完全可用
描述: 基于知识的安全关键场景生成系统
论文: “ChatScene: Knowledge-Enabled Safety-Critical Scenario Generation”
特色: 40个预定义场景 + 12个预训练模型

3. 🗣️ ScenicNL-main (自然语言生成)

状态: ✅ 核心功能完全可用
描述: 从自然语言描述生成Scenic程序
功能: 文本描述 → Scenic代码转换

🔬 新增：统一Baseline评测系统

📁 专用目录结构

baseline_evaluation/
├── README.md                         # 评测系统详细说明
├── baseline_eval.py                  # 主评测脚本
└── test_baseline_eval_properties.py  # 属性测试套件 (24个正确性属性)

📊 评测功能

双方法对比: ChatScene-retrieve vs ScenicNL
统一编译检查: 使用ScenicNL的check_compile函数
全面指标: 可编译率、修复轮次、耗时统计
错误分类: GEN_FAIL, COMPILE_FAIL, TIMEOUT, EXCEPTION
恢复机制: 支持中断后继续执行
容错系统: 个别失败不影响整体评测

🎯 评测用例

25条测试用例: 覆盖各种交通场景
场景类型: 十字路口、高速公路、跟车、并线、超车、遮挡、碰撞等
标准化格式: JSONL格式，便于扩展和管理

📈 输出报告

CSV结果: 详细的每个用例结果
Markdown摘要: 成功率、平均耗时、错误分析
组织化存储: 完整的目录结构和中间文件

🚀 快速开始

🌟 一键启动

# 1. 激活环境 (如果需要)
conda activate scenic

# 2. 配置API (如需要)
bash scripts/02_配置API密钥.sh

# 3. 运行完整测试
python tests/06_完整环境测试.py

🔬 运行Baseline评测

# 完整评测 (ChatScene-retrieve + ScenicNL)
python baseline_evaluation/baseline_eval.py \
  --cases data/prompts_v1.jsonl \
  --methods chatscene scenicnl \
  --out runs/baseline_v1 \
  --limit 20

# 烟雾测试 (快速验证)
python tests/07_baseline_eval_smoke.py

# 运行属性测试
python -m pytest baseline_evaluation/test_baseline_eval_properties.py -v

🎭 运行Scenic示例

cd Scenic-main
scenic --2d examples/driving/car.scenic --count 1

🤖 测试AI功能

python tests/测试_AI场景生成功能.py

🤖 AI模型配置

🎯 推荐模型策略

📝 主力代码生成: gpt-4o ($5.0/1M tokens)
- 用途: 复杂Scenic代码生成
👁️ 主力视觉理解: gpt-4o-2024-08-06 ($2.5/1M tokens)
- 用途: 车祸图片分析
🔧 低成本调试: gpt-4o-mini ($0.15/1M tokens)
- 用途: 快速测试和调试

🔑 API配置

平台: aabao.top (API聚合平台)
地址: https://api.aabao.top/v1
状态: ✅ 已配置并测试成功

💡 核心功能演示

🔄 完整工作流程

车祸描述 → AI分析 → Scenic代码 → ChatScene训练

🔬 Baseline评测流程

测试用例 → ChatScene-retrieve生成 → 编译检查 → 结果统计
         → ScenicNL生成        → 编译检查 → 性能对比

🎯 实际应用场景

车祸图片分析: 使用视觉模型提取场景信息
场景代码生成: 自动生成标准Scenic代码
方法性能对比: 统一评测不同生成方法
场景库扩展: 快速生成大量测试场景

📊 项目完成度

组件	状态	功能
基础环境	✅ 100%	Python 3.8.20 + Conda
Scenic官方库	✅ 100%	完全可用，可运行示例
ChatScene项目	✅ 95%	核心功能可用，40个场景
ScenicNL项目	✅ 95%	自然语言转换功能可用
API集成	✅ 100%	多模型支持，成本优化
Baseline评测	✅ 100%	完整评测框架和测试用例
文档系统	✅ 100%	完整中文文档 + 规范文档

🛠️ 管理工具

📊 项目状态查看

python tools/项目管理工具.py status

🔍 文件查找

python tools/文件查找工具.py scenic    # 查找Scenic文件
python tools/文件查找工具.py chatscene # 查看ChatScene场景

🧪 运行测试

python tools/项目管理工具.py test           # 完整测试
python tools/项目管理工具.py test scenic    # Scenic测试
python tools/项目管理工具.py test chatscene # ChatScene测试

📚 文档导航

🚀 快速使用

📖 快速开始指南: 立即上手使用
⚙️ 环境配置指南: 详细配置说明
🤖 API使用指南: AI模型使用

📋 项目管理

📁 文件位置指南: 快速定位文件
🎯 项目完成总结: 配置成果总结
🔬 Baseline评测指南: 评测系统使用

🏗️ 开发规范

📋 需求文档: 系统需求规范
🎨 设计文档: 架构设计和属性
✅ 任务列表: 实现任务规划

🎉 立即可用功能

✅ Scenic场景生成: 运行官方示例和自定义场景
✅ AI代码生成: 从描述自动生成Scenic代码
✅ ChatScene训练: 使用40个预定义场景训练
✅ 场景分析: AI分析车祸图片提取信息
✅ 成本优化: 智能选择最适合的AI模型
✅ Baseline评测: 统一对比不同生成方法性能
✅ 规范开发: 完整的需求、设计、任务文档

🚀 开始你的毕设研究

你现在拥有了一个完全配置好的、专业级的自动驾驶场景生成研究环境！

🎯 研究方向建议

场景生成算法优化: 基于ChatScene改进生成策略
AI模型对比研究: 不同模型在场景生成中的表现
场景质量评估: 开发场景多样性和真实性评估方法
实际应用验证: 在CARLA中验证生成场景的有效性
方法性能分析: 使用Baseline评测系统深入分析各方法优劣

💪 你的优势

🔧 完整技术栈: Scenic + CARLA + AI模型
💰 成本优化配置: 专业的模型选择策略
📊 丰富数据: 40个预定义场景 + AI生成能力 + 25个评测用例
🛠️ 完善工具: 脚本、测试、文档、评测一应俱全
📋 规范开发: 需求、设计、任务完整规范文档

🎓 祝你毕设顺利！现在就开始探索AI驱动的自动驾驶场景生成世界吧！

最后更新: 2026-01-11 | 项目状态: 完全就绪 ✅ | 新增: Baseline评测系统 🔬