本赛事使用 CARLA 仿真环境开展自动驾驶算法评测。主办方提供测试环境、算法范本和 SDK；参赛方完成算法开发与本地测试后，提交算法 Docker 镜像。
1 系统组成
Docker 镜像包含程序及其运行环境，启动后以容器形式运行。测试平台由以下组件组成。
Controller 测试管理：接收任务、安排场景、启动和结束测试、整理结果。
Host 仿真环境：提供道路、车辆、交通环境和传感器信息。
Client 算法容器：包含 SDK、算法、依赖和模型权重，负责读取环境信息并提交驾驶动作。
容器通过平台内部网络通信，连接设置由平台提供。算法通过指定 SDK 与 Host 交换数据。正式比赛只提交 Client 算法镜像，其他组件由主办方部署。
标准车配置
标准车采用基于林肯 MKZ 2017 的 IVFC 定制仿真车型，配有赛事涂装和车顶外观组件，沿用基础车型的行驶与控制设置。
标准车配备以下 12 个传感器，覆盖车辆前后及两侧。
传感器 |
数量 |
布置位置 |
简要参数 |
|---|---|---|---|
RGB 相机 |
6 个 |
前向、后向、左前、右前、左后、右后 |
图像分辨率 1600×900 |
毫米波雷达 |
5 个 |
前向、左前侧、右前侧、左后、右后 |
量程 250 米 |
激光雷达 |
1 个 |
车顶 |
32 线，水平 360° 扫描，量程 70 米 |
各类传感器每仿真秒采样 10 次。测试开始时车辆保持制动，等待算法接管。
2 环境要求与资源下载
建议使用 Linux 测试机。运行软件包括 Docker、NVIDIA 驱动和 NVIDIA Container Toolkit。算法范本基于 Ubuntu 22.04。
本地测试配置参考
项目 |
配置参考 |
|---|---|
CPU |
建议 12 个逻辑 CPU 或以上 |
内存 |
建议 32 GiB 或以上，并预留系统运行空间 |
GPU |
NVIDIA A100 40 GB |
磁盘 |
建议保留 100 GiB 或以上可用空间 |
比赛测试环境
CPU：Intel Platium * 16 Core
内存：128 GB
GPU：NVIDIA A100 40 GB * 1
资源下载
资源 |
用途与入口 |
|---|---|
本地测试套件 |
Host、Controller 配套组件与示例场景 docker pull ivfc-registry.cn-beijing.cr.aliyuncs.com/ivfc/webber-manus:client-v20261014 |
算法范本镜像 |
carla-frenetix docker pull ivfc-registry.cn-beijing.cr.aliyuncs.com/ivfc/webber-manus:host-v20261014 |
SDK 安装包 |
carla_io_sdk 及使用说明 见附件 |
基础软件安装
Docker Engine：按官方 Ubuntu 安装说明完成安装与检查。
NVIDIA Container Toolkit：安装显卡驱动后，配置容器的显卡访问。
评测运行环境
后台会在固定 Docker 环境中运行参赛方镜像。当前运行方式如下：
docker run --rm \ --network carla-net \ --read-only --tmpfs /tmp:size=2g \ --cap-drop ALL --security-opt no-new-privileges:true \ --shm-size 1g \ -v [CONFIG_DIR]:/config:ro \ -v [OUTPUT_DIR]:/output \ -e CARLA_BRIDGE_CONFIG=/config/bridge.json \ -e CARLA_HOST_TOKEN=[HOST_TOKEN] \ [IMAGE]:latest
其中 [CONFIG_DIR] 为评测配置目录，[OUTPUT_DIR] 为评测输出目录，[HOST_TOKEN] 为 Host 鉴权令牌，[IMAGE] 为参赛镜像名称。其余环境变量见本节末表格，由主办方按同样的 -e 方式注入。容器的工作目录由镜像自身的 WORKDIR 决定，主办方不再另行指定。算法需要 GPU 时，主办方另行添加 --gpus all。
主办方导入镜像的方式：
docker load -i myteam-algo.tar docker image inspect myteam-algo:l
以下是测评中内容的最重要事项：
容器内不挂载参赛方代码，算法必须完整包含在镜像内。
评测输入数据会挂载到 /config，其中 bridge.json 是 SDK 连接配置，route.json 是路线文件（可能不存在）。
环境变量由主办方注入，入口脚本应优先读取环境变量，并保留固定路径作为默认值。
结果输出目录为 /output，可写；根文件系统为只读，临时文件请写入 /tmp。
容器内不联网，只能访问 Host 的 HTTP 地址；不得连接 CARLA 的 2000 / 2001 / 2002 端口。
容器以非特权模式运行，全部 capabilities 已丢弃；入口进程必须前台运行并受时间上限约束。
环境变量
变量 |
默认值 |
说明 |
|---|---|---|
CARLA_BRIDGE_CONFIG |
/config/bridge.json |
SDK 配置文件路径 |
CARLA_ROUTE_FILE |
/config/route.json |
路线文件路径，可能不存在 |
CARLA_OUTPUT_DIR |
/output |
输出目录 |
CARLA_MAX_SIM_SECONDS |
120 |
仿真时间上限，按 timestamp 判定 |
CARLA_MAX_WALL_SECONDS |
400 |
墙钟时间硬上限，防止程序挂死 |
CARLA_HOST_TOKEN |
—— |
Host 鉴权令牌 |
两个时间上限的区别：仿真时间只在 CARLA 推进帧时前进，是评测计分的实际时长；墙钟时间始终在走，用于防止程序挂死。实时倍率低于 1 时两者差距较大（例如 6 路激光雷达下约 0.32 倍），两个上限都必须遵守。
3 安装与使用环境要求与资源下载
Docker 镜像使用
1. 准备运行环境。安装 Docker 与显卡支持组件，确认 Docker 和显卡可用。
2. 导入镜像。下载本地测试套件和算法范本，核对版本与完整性后，按照配套说明导入 Docker。
3. 启动测试环境。通过配套入口启动 Controller 和 Host，等待环境就绪后选择测试场景。
4. 运行算法范本。运行 carla-frenetix，检查任务是否完成及日志、结果是否生成。
5. 结束测试。保存场景名称和运行结果，按套件说明关闭本次任务。
SDK 安装
从赛事入口下载 carla_io_sdk。使用算法范本时，检查镜像内的 SDK 版本；已安装指定版本的环境可直接运行配套示例。
自行制作算法镜像时，按照 SDK 安装说明，将指定版本安装到算法使用的运行环境中，并在打包前完成安装检查。SDK 不得修改、替换或升级。
SDK 使用
测试开始后，算法通过 SDK 获取环境与任务信息，计算驾驶动作并提交控制，循环执行至任务结束。连接设置由测试平台提供。
接入自研算法时，保留示例运行流程，替换驾驶决策部分，并将模型权重和依赖一并放入算法镜像。完成后按相同步骤进行本地测试。
4 算法参考与本地测试
算法选择
初次参赛建议使用 carla-frenetix 完成环境检查和示例测试，再接入自研算法。
测试步骤
1. 运行检查。确认镜像可离线启动，无需人工输入或额外文件，并能自动结束。
2. 场景测试。运行指定场景，记录任务完成情况、驾驶行为和失败原因。
3. 提交前复测。导出最终镜像，重新导入测试，确认提交版本与测试版本一致。
评测运行要求
算法仅通过指定 SDK 与 Host 通信。评测期间不访问互联网，不临时下载模型或安装依赖；结果与临时文件保存在平台指定位置，其他文件保持只读。
算法需要 GPU 时，由主办方配置显卡访问。默认仿真时间上限为 120 秒，实际运行时间上限为 400 秒；运行时遵守平台下发的两类时限。
5 作品提交
提交物为算法 Docker 镜像归档。镜像须包含运行环境、SDK、算法代码、全部依赖和模型权重，启动后自动运行并输出日志。
镜像内容要求
镜像导入后必须可以直接运行，不需要任何额外的文件挂载或命令行参数。
镜像内必须包含算法运行所需的全部内容：基础系统、Python 运行环境、第三方依赖、carla_io_sdk、算法代码与模型权重。
不要依赖评测时在线下载模型、安装额外依赖或人工干预。
不要依赖交互式输入，例如 input()、确认提示、图形界面等。
镜像内必须安装主办方指定的 carla_io_sdk。参赛方不得替换、升级或修改该 SDK。后台会在评测前校验镜像内的 SDK 版本与文件哈希。
可参考的范本镜像
主办方提供的算法镜像范本为 carla-frenetix，其结构如下：
项目 |
范本镜像 carla-frenetix |
|---|---|
平台 |
linux/amd64 |
基础系统 |
Ubuntu 22.04 |
Python 环境 |
独立虚拟环境 /opt/planner-venv |
算法入口 |
/opt/carla-planner/carala_client_planner.py |
第三方依赖 |
已全部预装在镜像内 |
工作目录 |
/workspace |
入口设置 |
ENTRYPOINT ["/ros_entrypoint.sh", "python", "/opt/carla-planner/carala_client_planner.py"] |
推荐约定
使用 ENTRYPOINT 指定入口，不要只设置 CMD，避免运行时被覆盖。
入口必须是前台运行的单一主进程，日志输出至 stdout 或 stderr。不要使用后台守护方式或进程管理器。
入口脚本必须受时间上限约束，正常结束返回 0，异常返回非 0。
建议以非 root 用户运行。
镜像内不要包含与本算法无关的大体积文件，例如数据集、其他镜像层。
关于多个镜像标签的说明
归档文件中可能包含多个镜像或多个标签。主办方按 manifest.json 中 RepoTags 的顺序导入，并以其中第一个标签对应的镜像作为评测对象。
因此，请确保归档中只包含一个镜像，或保证第一个标签就是参赛方要提交的镜像。
若归档内存在多个镜像，最终被评测的可能不是参赛方预期的那个。
提交步骤
1. 导出镜像。使用 Docker 镜像导出功能生成 .tar 或 .tar.gz 文件，不使用 .zip、.7z 或 .rar。
2. 整理归档。每个提交目录仅保留一个镜像归档，建议归档中只包含一个待评测算法镜像。
3. 上传网盘。将归档上传至百度网盘，生成包含提取码的完整分享链接，并检查文件可访问。
4. 填写提交文件。按提交规范的示例，在 JSON 文件的 url 一项填写完整分享链接，提取码包含在链接中。文件名使用简单英文或数字，例如 submission.json。
5. 提交并核对。向赛事入口提交 JSON 文件，核对提交状态，保持网盘文件和分享链接有效。
镜像归档上传至网盘，JSON 文件提交至赛事入口。
提交检查
1. 镜像平台为 linux/amd64，SDK 为原版 carla_io_sdk。
2. 代码、模型和依赖完整，离线运行无需人工操作。
3. 最终镜像已重新导入并完成测试，日志与结果可读取。
4. 提交目录仅有一个 .tar 或 .tar.gz 归档。
5. JSON 文件格式正确，文件名不包含特殊字符。
6. 分享链接有效，且链接内包含提取码。
提交后保留镜像归档、JSON 文件、分享链接、测试结果及提交回执。
6 文档下载
文档包含参赛者手册、CARLA仿真平台调试手册和CARLA标准车技术手册