Upload app.py with huggingface_hub

app.py

@@ -22,51 +22,32 @@ from logic import (
 #           1. إعدادات ومسارات النماذج
 # ==============================================================================
 WEIGHTS_DIR = "model"
+EXAMPLES_DIR = "examples" # مجلد جديد للأمثلة
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# قاموس لتحديد الإعدادات الخاصة بكل نموذج.
 MODELS_SPECIFIC_CONFIGS = {
-    "interfuser_baseline": {
-        "rgb_backbone_name": "r50",
-        "embed_dim": 256,
-        "direct_concat": True,
-    },
-    "interfuser_lightweight": {
-        "rgb_backbone_name": "r26",
-        "embed_dim": 128,
-        "enc_depth": 4,
-        "dec_depth": 4,
-        "direct_concat": True,
-    }
+    "interfuser_baseline": { "rgb_backbone_name": "r50", "embed_dim": 256, "direct_concat": True },
+    "interfuser_lightweight": { "rgb_backbone_name": "r26", "embed_dim": 128, "enc_depth": 4, "dec_depth": 4, "direct_concat": True }
 }
 
 def find_available_models():
-    """
-    تبحث في مجلد الأوزان وتعيد قائمة بأسماء النماذج المتاحة.
-    """
-    if not os.path.isdir(WEIGHTS_DIR):
-        print(f"تحذير: مجلد الأوزان '{WEIGHTS_DIR}' غير موجود.")
-        return []
+    if not os.path.isdir(WEIGHTS_DIR): return []
     return [f.replace(".pth", "") for f in os.listdir(WEIGHTS_DIR) if f.endswith(".pth")]
 
 # ==============================================================================
-#           2. دالة تحميل النموذج (لا تستخدم متغيرات عامة)
+#           2. الدوال الأساسية (load_model, run_single_frame)
 # ==============================================================================
+# (هذه الدوال تبقى كما هي من الإصدار السابق الذي يدعم الجلسات)
+
 def load_model(model_name: str):
-    """
-    تبني وتحمل النموذج المختار وتُرجعه ككائن.
-    """
     if not model_name or "لم يتم" in model_name:
         return None, "الرجاء اختيار نموذج صالح."
-
     weights_path = os.path.join(WEIGHTS_DIR, f"{model_name}.pth")
     print(f"Building model: '{model_name}'")
-    
     model_config = MODELS_SPECIFIC_CONFIGS.get(model_name, {})
     model = build_interfuser_model(model_config)
-    
     if not os.path.exists(weights_path):
-        gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود. النموذج سيعمل بأوزان عشوائية.")
+        gr.Warning(f"ملف الأوزان '{weights_path}' غير موجود.")
     else:
         try:
             state_dic = torch.load(weights_path, map_location=device, weights_only=True)
@@ -74,40 +55,25 @@ def load_model(model_name: str):
             print(f"تم تحميل أوزان النموذج '{model_name}' بنجاح.")
         except Exception as e:
             gr.Warning(f"فشل تحميل الأوزان للنموذج '{model_name}': {e}.")
-            
     model.to(device)
     model.eval()
-    
-    # إرجاع كائن النموذج نفسه + رسالة للمستخدم
     return model, f"تم تحميل نموذج: {model_name}"
 
-# ==============================================================================
-#           3. دالة التشغيل الرئيسية (تستقبل النموذج كمدخل)
-# ==============================================================================
 def run_single_frame(
-    model_from_state, # <-- مدخل جديد من gr.State
-    rgb_image_path,
-    rgb_left_image_path,
-    rgb_right_image_path,
-    rgb_center_image_path,
-    lidar_image_path,
-    measurements_path,
-    target_point_list
+    model_from_state, rgb_image_path, rgb_left_image_path, rgb_right_image_path,
+    rgb_center_image_path, lidar_image_path, measurements_path, target_point_list
 ):
-    # لم نعد نستخدم المتغير العام، بل نستخدم النموذج الذي تم تمريره
     if model_from_state is None:
-        raise gr.Error("الرجاء اختيار وتحميل نموذج صالح أولاً من القائمة المنسدلة.")
-    
+        raise gr.Error("الرجاء اختيار وتحميل نموذج صالح أولاً من القائمة.")
     try:
-        # --- 1. قراءة ومعالجة المدخلات ---
         if not (rgb_image_path and measurements_path):
             raise gr.Error("الرجاء توفير الصورة الأمامية وملف القياسات على الأقل.")
         
-        rgb_image_pil = Image.open(rgb_image_path.name).convert("RGB")
-        # بقية معالجة المدخلات
-        rgb_left_pil = Image.open(rgb_left_image_path.name).convert("RGB") if rgb_left_image_path else rgb_image_pil
-        rgb_right_pil = Image.open(rgb_right_image_path.name).convert("RGB") if rgb_right_image_path else rgb_image_pil
-        rgb_center_pil = Image.open(rgb_center_image_path.name).convert("RGB") if rgb_center_image_path else rgb_image_pil
+        # --- 1. معالجة المدخلات ---
+        rgb_image_pil = Image.open(rgb_image_path).convert("RGB")
+        rgb_left_pil = Image.open(rgb_left_image_path).convert("RGB") if rgb_left_image_path else rgb_image_pil
+        rgb_right_pil = Image.open(rgb_right_image_path).convert("RGB") if rgb_right_image_path else rgb_image_pil
+        rgb_center_pil = Image.open(rgb_center_image_path).convert("RGB") if rgb_center_image_path else rgb_image_pil
 
         front_tensor = transform(rgb_image_pil).unsqueeze(0).to(device)
         left_tensor = transform(rgb_left_pil).unsqueeze(0).to(device)
@@ -115,20 +81,19 @@ def run_single_frame(
         center_tensor = transform(rgb_center_pil).unsqueeze(0).to(device)
 
         if lidar_image_path:
-            lidar_array = np.load(lidar_image_path.name)
+            lidar_array = np.load(lidar_image_path)
             if lidar_array.max() > 0: lidar_array = (lidar_array / lidar_array.max()) * 255.0
             lidar_pil = Image.fromarray(lidar_array.astype(np.uint8)).convert('RGB')
         else:
             lidar_pil = Image.fromarray(np.zeros((112, 112, 3), dtype=np.uint8))
         lidar_tensor = lidar_transform(lidar_pil).unsqueeze(0).to(device)
 
-        with open(measurements_path.name, 'r') as f: m_dict = json.load(f)
+        with open(measurements_path, 'r') as f: m_dict = json.load(f)
 
         measurements_tensor = torch.tensor([[
-            m_dict.get('x', 0.0), m_dict.get('y', 0.0), m_dict.get('theta', 0.0),
-            m_dict.get('speed', 5.0), m_dict.get('steer', 0.0), m_dict.get('throttle', 0.0),
-            float(m_dict.get('brake', 0.0)), m_dict.get('command', 2.0),
-            float(m_dict.get('is_junction', 0.0)), float(m_dict.get('should_brake', 0.0))
+            m_dict.get('x',0.0), m_dict.get('y',0.0), m_dict.get('theta',0.0), m_dict.get('speed',5.0),
+            m_dict.get('steer',0.0), m_dict.get('throttle',0.0), float(m_dict.get('brake',0.0)),
+            m_dict.get('command',2.0), float(m_dict.get('is_junction',0.0)), float(m_dict.get('should_brake',0.0))
         ]], dtype=torch.float32).to(device)
         
         target_point_tensor = torch.tensor([target_point_list], dtype=torch.float32).to(device)
@@ -145,118 +110,121 @@ def run_single_frame(
             traffic, waypoints, is_junction, traffic_light, stop_sign, _ = outputs
 
         # --- 3. المعالجة اللاحقة والتصوّر ---
-        speed = m_dict.get('speed', 5.0)
-        pos, theta = [m_dict.get('x', 0.0), m_dict.get('y', 0.0)], m_dict.get('theta', 0.0)
+        speed, pos, theta = m_dict.get('speed',5.0), [m_dict.get('x',0.0), m_dict.get('y',0.0)], m_dict.get('theta',0.0)
+        traffic_np, waypoints_np = traffic[0].detach().cpu().numpy().reshape(20,20,-1), waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
+        tracker, controller = Tracker(), InterfuserController(ControllerConfig())
+        updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, 0)
+        steer, throttle, brake, metadata = controller.run_step(speed, waypoints_np, is_junction.sigmoid()[0,1].item(), traffic_light.sigmoid()[0,0].item(), stop_sign.sigmoid()[0,1].item(), updated_traffic)
         
-        traffic_np = traffic[0].detach().cpu().numpy().reshape(20, 20, -1)
-        waypoints_np = waypoints[0].detach().cpu().numpy() * WAYPOINT_SCALE_FACTOR
-
-        tracker = Tracker()
-        updated_traffic = tracker.update_and_predict(traffic_np.copy(), pos, theta, frame_num=0)
-        
-        controller = InterfuserController(ControllerConfig())
-        steer, throttle, brake, metadata = controller.run_step(
-            speed, waypoints_np, is_junction.sigmoid()[0, 1].item(),
-            traffic_light.sigmoid()[0, 0].item(), stop_sign.sigmoid()[0, 1].item(), updated_traffic
-        )
-
+        # ... (بقية الكود الخاص بالرسم والتصوّر لا يتغير) ...
         map_t0, counts_t0 = render(updated_traffic, t=0)
         map_t1, counts_t1 = render(updated_traffic, t=T1_FUTURE_TIME)
         map_t2, counts_t2 = render(updated_traffic, t=T2_FUTURE_TIME)
-        
         wp_map = render_waypoints(waypoints_np)
         self_car_map = render_self_car(np.array([0,0]), [math.cos(0), math.sin(0)], [4.0, 2.0])
-        
         map_t0 = cv2.add(cv2.add(map_t0, wp_map), self_car_map)
         map_t0 = cv2.resize(map_t0, (400, 400))
         map_t1 = cv2.add(ensure_rgb(map_t1), ensure_rgb(self_car_map)); map_t1 = cv2.resize(map_t1, (200, 200))
         map_t2 = cv2.add(ensure_rgb(map_t2), ensure_rgb(self_car_map)); map_t2 = cv2.resize(map_t2, (200, 200))
-        
         display = DisplayInterface()
         light_state, stop_sign_state = "Red" if traffic_light.sigmoid()[0,0].item() > 0.5 else "Green", "Yes" if stop_sign.sigmoid()[0,1].item() > 0.5 else "No"
-        
-        interface_data = {
-            'camera_view': np.array(rgb_image_pil), 'map_t0': map_t0, 'map_t1': map_t1, 'map_t2': map_t2,
-            'text_info': { 'Control': f"S:{steer:.2f} T:{throttle:.2f} B:{int(brake)}", 'Light': f"L: {light_state}", 'Stop': f"St: {stop_sign_state}" },
-            'object_counts': {'t0': counts_t0, 't1': counts_t1, 't2': counts_t2}
-        }
-        
+        interface_data = {'camera_view': np.array(rgb_image_pil),'map_t0': map_t0,'map_t1': map_t1,'map_t2': map_t2,
+            'text_info': {'Control': f"S:{steer:.2f} T:{throttle:.2f} B:{int(brake)}",'Light': f"L: {light_state}",'Stop': f"St: {stop_sign_state}"},
+            'object_counts': {'t0': counts_t0,'t1': counts_t1,'t2': counts_t2}}
         dashboard_image = display.run_interface(interface_data)
-
+        
         # --- 4. تجهيز المخرجات ---
-        result_dict = {
-            "predicted_waypoints": waypoints_np.tolist(),
-            "control_commands": {"steer": steer, "throttle": throttle, "brake": bool(brake)},
-            "perception": {"traffic_light_status": light_state, "stop_sign_detected": (stop_sign_state == "Yes"), "is_at_junction_prob": round(is_junction.sigmoid()[0,1].item(), 3)},
-            "metadata": {"speed_info": metadata[0], "perception_info": metadata[1], "stop_info": metadata[2], "safe_distance": metadata[3]}
-        }
+        result_dict = {"predicted_waypoints": waypoints_np.tolist(), "control_commands": {"steer": steer,"throttle": throttle,"brake": bool(brake)},
+            "perception": {"traffic_light_status": light_state,"stop_sign_detected": (stop_sign_state == "Yes"),"is_at_junction_prob": round(is_junction.sigmoid()[0,1].item(), 3)},
+            "metadata": {"speed_info": metadata[0],"perception_info": metadata[1],"stop_info": metadata[2],"safe_distance": metadata[3]}}
         
         return Image.fromarray(dashboard_image), result_dict
-
     except Exception as e:
         print(traceback.format_exc())
         raise gr.Error(f"حدث خطأ أثناء معالجة الإطار: {e}")
 
 # ==============================================================================
-#           4. تعريف واجهة Gradio
+#           4. تعريف واجهة Gradio المحسّنة
 # ==============================================================================
-
 available_models = find_available_models()
 
-with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 🚗 محاكاة القيادة الذاتية باستخدام Interfuser")
-    
+with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="sky"), css=".gradio-container {max-width: 95% !important;}") as demo:
     # مكون الحالة الخفي لتخزين النموذج الخاص بكل جلسة
     model_state = gr.State(value=None)
     
-    with gr.Row():
-        model_selector = gr.Dropdown(
-            label="اختر النموذج من مجلد 'model'",
-            choices=available_models,
-            value=available_models[0] if available_models else "لم يتم العثور على نماذج"
-        )
-        status_textbox = gr.Textbox(label="حالة تحميل النموذج", interactive=False)
+    gr.Markdown("# 🚗 محاكاة القيادة الذاتية باستخدام Interfuser")
+    gr.Markdown("مرحباً بك في واجهة اختبار نموذج Interfuser. اتبع الخطوات أدناه لتشغيل المحاكاة على إطار واحد.")
 
-    # التحميل الأولي والتحميل عند التغيير
+    with gr.Row():
+        # -- العمود الأيسر: الإعدادات والمدخلات --
+        with gr.Column(scale=1):
+            # --- الخطوة 1: اختيار النموذج ---
+            with gr.Box():
+                gr.Markdown("## ⚙️ الخطوة 1: اختر النموذج")
+                with gr.Row():
+                    model_selector = gr.Dropdown(
+                        label="النماذج المتاحة",
+                        choices=available_models,
+                        value=available_models[0] if available_models else "لم يتم العثور على نماذج"
+                    )
+                    status_textbox = gr.Textbox(label="حالة النموذج", interactive=False)
+            
+            # --- الخطوة 2: رفع ملفات السيناريو ---
+            with gr.Box():
+                gr.Markdown("## 🗂️ الخطوة 2: ارفع ملفات السيناريو")
+                
+                # المدخلات المطلوبة
+                with gr.Group():
+                    gr.Markdown("**(مطلوب)**")
+                    api_rgb_image_path = gr.File(label="صورة الكاميرا الأمامية (RGB)")
+                    api_measurements_path = gr.File(label="ملف القياسات (JSON)")
+
+                # المدخلات الاختيارية
+                with gr.Accordion("📷 مدخلات اختيارية (كاميرات ومستشعرات إضافية)", open=False):
+                    api_rgb_left_image_path = gr.File(label="كاميرا اليسار (RGB)")
+                    api_rgb_right_image_path = gr.File(label="كاميرا اليمين (RGB)")
+                    api_rgb_center_image_path = gr.File(label="كاميرا الوسط (RGB)")
+                    api_lidar_image_path = gr.File(label="بيانات الليدار (NPY)")
+                
+                api_target_point_list = gr.JSON(label="📍 النقطة المستهدفة (x, y)", value=[0.0, 100.0])
+                
+                # زر التشغيل
+                api_run_button = gr.Button("🚀 شغل المحاكاة", variant="primary", scale=2)
+
+            # --- أمثلة جاهزة ---
+            with gr.Box():
+                gr.Markdown("### ✨ أمثلة جاهزة")
+                gr.Markdown("انقر على مثال لتعبئة الحقول تلقائياً (يتطلب وجود مجلد `examples` بنفس بنية البيانات).")
+                gr.Examples(
+                    examples=[
+                        [os.path.join(EXAMPLES_DIR, "sample1", "rgb.png"), None, None, None, None, os.path.join(EXAMPLES_DIR, "sample1", "measurements.json")],
+                        [os.path.join(EXAMPLES_DIR, "sample2", "rgb.png"), None, None, None, None, os.path.join(EXAMPLES_DIR, "sample2", "measurements.json")]
+                    ],
+                    inputs=[api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, api_rgb_center_image_path, api_lidar_image_path, api_measurements_path],
+                    label="اختر سيناريو اختبار"
+                )
+
+        # -- العمود الأيمن: المخرجات --
+        with gr.Column(scale=2):
+            with gr.Box():
+                gr.Markdown("## 📊 الخطوة 3: شاهد النتائج")
+                api_output_image = gr.Image(label="لوحة التحكم المرئية (Dashboard)", type="pil", interactive=False)
+                with gr.Accordion("عرض نتائج JSON التفصيلية", open=False):
+                    api_output_json = gr.JSON(label="النتائج المهيكلة (JSON)")
+
+    # --- ربط منطق الواجهة ---
     if available_models:
         demo.load(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
     
     model_selector.change(fn=load_model, inputs=model_selector, outputs=[model_state, status_textbox])
-
-    gr.Markdown("---")
     
-    with gr.Tabs():
-        with gr.TabItem("نقطة نهاية API (إطار واحد)", id=1):
-            gr.Markdown("### اختبار النموذج بإدخال مباشر")
-            
-            with gr.Row():
-                with gr.Column(scale=1):
-                    gr.Markdown("#### المدخلات")
-                    api_rgb_image_path = gr.File(label="RGB (Front) File (.jpg, .png)")
-                    api_rgb_left_image_path = gr.File(label="RGB (Left) File (Optional)")
-                    api_rgb_right_image_path = gr.File(label="RGB (Right) File (Optional)")
-                    api_rgb_center_image_path = gr.File(label="RGB (Center) File (Optional)")
-                    api_lidar_image_path = gr.File(label="LiDAR File (.npy, Optional)")
-                    api_measurements_path = gr.File(label="Measurements File (.json)")
-                    api_target_point_list = gr.JSON(label="Target Point (List [x, y])", value=[0.0, 100.0])
-                    api_run_button = gr.Button("🚀 تشغيل إطار واحد", variant="primary")
-
-                with gr.Column(scale=2):
-                    gr.Markdown("#### المخرجات")
-                    api_output_image = gr.Image(label="Dashboard Result", type="pil", interactive=False)
-                    api_output_json = gr.JSON(label="نتائج النموذج (JSON)")
-        
-            api_run_button.click(
-                fn=run_single_frame,
-                inputs=[
-                    model_state, # تمرير الحالة كأول مدخل
-                    api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, 
-                    api_rgb_center_image_path, api_lidar_image_path,
-                    api_measurements_path, api_target_point_list
-                ],
-                outputs=[api_output_image, api_output_json],
-                api_name="run_single_frame"
-            )
+    api_run_button.click(
+        fn=run_single_frame,
+        inputs=[model_state, api_rgb_image_path, api_rgb_left_image_path, api_rgb_right_image_path, 
+                api_rgb_center_image_path, api_lidar_image_path, api_measurements_path, api_target_point_list],
+        outputs=[api_output_image, api_output_json],
+        api_name="run_single_frame"
+    )
 
 # ==============================================================================
 #           5. تشغيل التطبيق
@@ -264,6 +232,4 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
 if __name__ == "__main__":
     if not available_models:
         print("تحذير: لم يتم العثور على أي ملفات نماذج (.pth) في مجلد 'model/weights'.")
-        print("سيتم تشغيل الواجهة ولكن لن تتمكن من تحميل أي نموذج.")
-    # .queue() ضروري للتعامل مع الجلسات المتعددة ب��كل صحيح
-    demo.queue().launch(debug=True)
+    demo.queue().launch(debug=True, share=True) # share=True لإنشاء رابط عام مؤقت