可选实验 · SimLingo 开环评估与实车部署方案

可选实验要求

实验课把实车部署分成三步，均为可选任务：

课件明确要求实车测试时“先架空、再落地、留足空间、随时可停”。源目录没有上述三项交付物，我不能把它写成我们已经完成了实车部署。

查看现有开环结果与部署方案

本地目录保留了一份 SimLingo 离线开环评估结果：模型逐帧预测未来轨迹，再与数据集中的真实轨迹比较；车辆没有根据预测结果在 CARLA 或真实道路中继续行驶。这份结果和可选的“实车部署”不是同一件事。

105 帧汇总结果为：

指标	均值	中位数	标准差	P90
ADE	0.0428 m	0.0166 m	0.1009 m	0.0985 m
FDE	0.1322 m	0.0339 m	0.4634 m	0.2883 m

目录还保留了汇总图、最好或最差帧和典型场景分析图。这些产物能证明完成过这批离线数据的开环轨迹误差统计，但不能证明 CARLA 闭环或真实小车运行。

小车 D435i 图像
  → ROS1 上行到基站电脑
  → GPU 上的 VLA 模型推理
  → 映射为线速度和角速度
  → 通过 /cmd_vel 下发
  → Scout Mini 执行
  → 采集新图像，形成闭环

基站电脑使用 Ubuntu 22.04 和 GPU，在 Docker 中运行 ROS1 Noetic；小车端是 Ubuntu 18.04 与 ROS1 Melodic。两端通过同一 ROS Master 通信，小车只负责图像采集和底盘执行。

SimLingo 原本面向城市自动驾驶，输入画面、视角和动作空间都与室内低速小车不同。上车前需要采集小车域数据，重新标注语言—动作对，并至少微调动作头或 LoRA 层；否则城市域的路点输出不能直接等价为小车的 /cmd_vel。

安全侧还要加入线速度和角速度限幅、无新决策时自动停车的 watchdog、网络断开停车、人工急停，以及先架空轮子再落地测试的流程。