DeepGTAV
DeepGTAV
3/5
🧩 软硬件结合
已发布
项目简介
A plugin for GTAV that transforms it into a vision-based self-driving car research environment.
DeepGTAV v2 是一个将《侠盗猎车手V》（GTAV）改造为基于视觉的自动驾驶汽车研究环境的开源插件。该项目由 ai-tor 开发，旨在利用 GTAV 高度逼真的开放世界画面，为研究人员和开发者提供一个低成本、可重复且安全的自动驾驶算法测试平台。
标签
项目特点
**基于真实游戏**：利用 GTAV 高度逼真的开放世界作为模拟环境，提供丰富的驾驶场景。
**视觉数据驱动**：主要输出游戏画面的 RGB 图像帧，适合训练基于视觉的自动驾驶模型。
**高度可配置**：支持通过 JSON 消息自定义场景（位置、时间、天气、车辆）和数据集（帧率、分辨率、是否包含车辆/行人等）。
**实时控制**：客户端可以实时发送油门、刹车、转向指令来控制车辆。
**TCP 通信**：通过 TCP 协议在端口 8000 上与外部客户端（如 Python 脚本）进行数据交换。
**奖励函数支持**：内置奖励函数机制，便于进行强化学习研究。
技术规格
| 通信协议 | TCP，端口 8000 |
|---|---|
| 数据格式 | JSON（控制消息）+ 原始 RGB 图像字节数组（帧数据） |
| 消息结构 | 先发送消息长度（字节），再发送消息体 |
| 支持游戏版本 | GTAV 1.0.1180.2 或更低版本 |
| 默认帧率 | 10 Hz |
| 默认图像分辨率 | 320x160 |
| 可配置场景 | 位置、时间、天气、车辆、驾驶模式 |
| 可配置数据 | 帧率、分辨率、车辆、行人、交通标志、方向、奖励、油门、刹车、转向、速度、偏航率、位置、时间 |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| GTAV (1.0.1180.2或更低版本) | 1 | — | 游戏本体，需购买 |
| DeepGTAV 插件 | 1 | — | 从仓库 Release 获取 |
| paths.xml 配置文件 | 1 | — | 从 Google Drive 下载 |
| Python 3.x | 1 | — | 用于编写客户端脚本 |
| VPilot 库 (可选) | 1 | — | 提供 Python 接口 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
🔵 数理与计算: 3/5
🔵 动手与操作: 2/5
🔵 狂热与坚持: 3/5
🔵 创造与创新: 4/5
项目图库
所需技能
🔧 **动手能力**：需要能够正确安装 GTAV 游戏、替换文件、配置游戏设置（窗口模式、跳过菜单）。
💻 **编程能力**：需要具备 Python 编程能力，能够编写 TCP 客户端，解析 JSON 数据，并实现自动驾驶或数据采集逻辑。理解消息长度前缀协议。
⚡ **电子电路**：无需硬件知识。
适用场景
**自动驾驶算法研究**：在逼真的模拟环境中训练和测试基于视觉的端到端驾驶模型。
**强化学习研究**：利用内置的奖励函数和可配置场景，进行深度强化学习实验。
**计算机视觉数据集生成**：自动生成带有标注（如车辆位置、行人位置）的驾驶场景图像数据集。
**自动驾驶课程教学**：作为教学工具，让学生直观地理解自动驾驶系统的工作原理。