CARLA : Open-Source-Simulator für autonomes Fahren

CARLA (Car Learning to Act) ist ein Open-Source-Simulator zur Entwicklung, Prüfung und Validierung von autonomen Fahrsystemen. Entwickelt vom Computer Vision Center (CVC) und unterstützt durch die Forschungsgemeinschaft, bietet CARLA eine realistische, sicherheitsorientierte Simulationsumgebung mit präziser Sensorsimulation.

Der Simulator wird weltweit von Universitäten, Forschungsinstituten und F&E-Abteilungen in der Automobil- und Robotikbranche genutzt. Er stellt eine urban geprägte Testumgebung mit kontrollierbarem Verkehr, dynamischer Umgebung und Unterstützung für zahlreiche virtuelle Sensoren (z. B. Kamera, LiDAR, Radar, GPS) bereit.

Zentrale Vorteile:

• Sichere Simulation komplexer Verkehrsszenarien
• Erweiterbares Open-Source-Framework, ideal für Forschung und Prototyping
• Hochrealistische Sensorsimulation für Wahrnehmung, Planung und Steuerung

Was sind die Hauptfunktionen von CARLA?

Realistische Simulationsumgebung

CARLA nutzt die Unreal Engine zur Darstellung urbaner und vorstädtischer Umgebungen mit physikalisch korrektem Verhalten und detaillierter Grafik.

• Variable Wetter-, Licht- und Tagesbedingungen
• Anpassbare Straßennetze und Kreuzungen
• Realistische Fahrzeug- und Fußgängerdynamik

Umfangreiche Sensorsimulation

CARLA bietet ein breites Set an virtuellen Sensoren, die reale Hardware nachbilden und für Tests von KI-Wahrnehmungsmodellen eingesetzt werden können.

• RGB-, Tiefen- und semantische Kameras
• LiDAR, Radar, GPS, IMU, Ultraschall
• Anpassbare Sensorpositionen und -rauschen

Szenarienbasierte Testmöglichkeiten

Mit integrierten Tools lassen sich komplexe Verkehrsszenarien und Edge Cases gezielt simulieren und automatisiert testen.

• Steuerung von Agenten per Trigger-Logik
• Scenario Runner für automatisierte Tests
• Simulation seltener oder gefährlicher Situationen

API-Steuerung und modulare Architektur

CARLA unterstützt Python- und C++-APIs für die Integration mit externen Algorithmen und bietet vollständige Kontrolle über Fahrzeugverhalten und Umgebungsdaten.

• Anbindung an Planungs- und Steuerungssysteme
• Unterstützung für Reinforcement Learning und Imitation Learning
• Erweiterbar durch eigene Sensoren und Logikmodule

Offenes Forschungsökosystem

Als Open-Source-Projekt fördert CARLA die Zusammenarbeit in der autonomen Fahrforschung.

• Verfügbare Datensätze und Karten
• Von der Community geteilte Szenarien und Tools
• Teilnahme an internationalen Benchmarks wie dem CARLA Leaderboard

Warum CARLA wählen?

• Speziell für autonome Fahrforschung entwickelt, mit realistischer Physik und komplexen Testszenarien
• Ermöglicht sichere, reproduzierbare Experimente, auch für Grenzfälle
• Open Source und aktiv weiterentwickelt, vollständig anpassbar
• Vielfältige Sensorsimulation, unter kontrollierten Bedingungen testbar
• Anerkannt in Forschung und Industrie, mit starker Community-Unterstützung