Carla (Software)
| CARLA
| |
|---|---|
| [[Datei:Lua-Fehler in Modul:Wikidata, Zeile 639: attempt to index field 'wikibase' (a nil value)|150px]] | |
| Basisdaten
| |
| Maintainer | Lua-Fehler in Modul:Wikidata, Zeile 639: attempt to index field 'wikibase' (a nil value) |
| Entwickler | CARLA Team (Open Source) |
| Erscheinungsjahr | Lua-Fehler in Modul:Wikidata, Zeile 639: attempt to index field 'wikibase' (a nil value) |
| Aktuelle Version | 0.9.12[1] (02. August 2021) |
| Ausführungsumgebung | Unreal Engine, Visual Studio |
| Programmiersprache | Python |
| Kategorie | 3D-Grafiksoftware |
| Lizenz | Open source |
| deutschsprachig | nein |
| carla.org | |
Carla (Eigenschreibweise: CARLA) ist eine Open Source Software zur Simulation von 3D-Welten.
Zum Beispiel Gebäude, Straßen, Bäume, Verkehrsampeln, Autos, etc. können graphisch ansprechend dargestellt und simuliert werden.
Einsatzbereich[Bearbeiten]
CARLA wurde von Grund auf entwickelt um die Entwicklung, das Training und die Validierung von autonomen Fahrsysteme zu unterstützen. Die Simulationsplattform unterstützt die flexible Spezifikation von Sensorsuiten, Umgebungsbedingungen, die vollständige Kontrolle aller statischen und dynamischen Akteure, die Erstellung von Karten und vieles mehr.[2]
Eigenschaften der Software[Bearbeiten]
- Skalierbarkeit durch eine Server-Multi-Client-Architektur: Mehrere Clients im selben oder in verschiedenen Knoten können verschiedene Akteure steuern.
- Flexible API: CARLA verfügt über eine leistungsstarke API, die es dem Benutzer ermöglicht, alle Aspekte der Simulation zu steuern, einschließlich der Verkehrserzeugung, des Fußgängerverhaltens, des Wetters, der Sensoren und vieles mehr.
- Sensor-Suite für autonomes Fahren: Benutzer können verschiedene Sensor-Suiten konfigurieren, darunter LIDARs, mehrere Kameras, Tiefensensoren und GPS.
- Schnelle Simulation für Planung und Steuerung: In diesem Modus wird das Rendering deaktiviert, um eine schnelle Ausführung der Verkehrssimulation und des Straßenverhaltens zu ermöglichen, für die keine Grafiken erforderlich sind.
- Kartenerstellung: Benutzer können mit Tools wie RoadRunner ganz einfach ihre eigenen Karten nach dem OpenDrive-Standard erstellen.
- Simulation von Verkehrsszenarien: Mit der ScenarioRunner Engine können Benutzer verschiedene Verkehrssituationen auf der Grundlage modularer Verhaltensweisen definieren und ausführen.
- ROS-Integration: CARLA verfügt über eine Integration mit ROS über unsere ROS-Bridge
- Autonomous Driving Baselines: Das Carla Team bietet Autonomous Driving baselines als lauffähige Agenten in CARLA an, einschließlich eines AutoWare Agenten und eines Conditional Imitation Learning Agenten.
Carla Repositories[Bearbeiten]
Carla Autonomous Driving Leaderboard [3][Bearbeiten]
Das Hauptziel des CARLA Autonomous Driving Leaderboard ist es, die Fahrleistung autonomer Agenten in realistischen Verkehrssituationen zu bewerten. Das Leaderboard dient als offene Plattform für die Community, um faire und reproduzierbare Bewertungen durchzuführen und den Vergleich zwischen verschiedenen Ansätzen zu vereinfachen.
Die Agenten werden mit verschiedenen Verkehrssituationen konfrontiert, die auf der NHTSA-Typologie basieren:
- Verkehrsszenario 01: Kontrollverlust ohne vorherige Aktion: Das Ego-Fahrzeug verliert aufgrund schlechter Straßenverhältnisse die Kontrolle und muss wieder auf seine ursprüngliche Fahrspur zurückkehren.
- Verkehrsszenario 02: Längsregelung nach Bremsung des vorausfahrenden Fahrzeugs: Das vorausfahrende Fahrzeug bremst plötzlich aufgrund eines Hindernisses ab und muss eine Notbremsung oder ein Ausweichmanöver durchführen.
- Verkehrsszenario 03: Hindernisvermeidung ohne vorherige Aktion: Das Ego-Fahrzeug stößt auf ein Hindernis / ein unerwartetes Objekt auf der Straße und muss eine Notbremsung oder ein Ausweichmanöver durchführen.
- Verkehrsszenario 04: Hindernisvermeidung mit vorheriger Aktion: Das Ego-Fahrzeug stößt bei einem Manöver auf ein Hindernis auf der Straße und muss eine Vollbremsung oder ein Ausweichmanöver durchführen.
- Verkehrsszenario 05: Spurwechsel zum Ausweichen eines langsamen vorausfahrenden Fahrzeugs: Das Ego-Fahrzeug wechselt die Spur, um einem vorausfahrenden Fahrzeug auszuweichen, das zu langsam fährt.
- Verkehrsszenario 06: Überholvorgang bei Gegenverkehr: Das Ego-Fahrzeug muss ein blockierendes Objekt auf der Gegenfahrbahn umfahren und dabei dem Gegenverkehr ausweichen.
- Verkehrsszenario 07: Das Ego-Fahrzeug fährt geradeaus auf eine Kreuzung zu, aber ein kreuzendes Fahrzeug überfährt eine rote Ampel und zwingt das Ego-Fahrzeug, einen Zusammenstoß zu vermeiden.
- Verkehrsszenario 08: Ungeschütztes Linksabbiegen an einer Kreuzung mit Gegenverkehr: Das Ego-Fahrzeug biegt an einer Kreuzung ungeschützt nach links ab und muss dabei dem Gegenverkehr ausweichen.
- Verkehrsszenario 09: Rechtsabbiegen an einer Kreuzung mit kreuzendem Verkehr: Das Ego-Fahrzeug biegt an einer Kreuzung nach rechts ab und muss dem kreuzenden Verkehr Vorfahrt gewähren.
- Verkehrsszenario 10: Kreuzungsverhandlung an einer unsignalisierten Kreuzung: Das Ego-Fahrzeug muss mit anderen Fahrzeugen verhandeln, um eine unsignalisierte Kreuzung zu überqueren. In dieser Situation wird davon ausgegangen, dass das erste Fahrzeug, das in die Kreuzung einfährt, Vorrang hat.[4]
ScenarioRunner for CARLA [5][Bearbeiten]
Dieses Repository enthält die Definition von Verkehrsszenarien und eine Ausführungsmaschine für CARLA. Es ermöglicht auch die Ausführung einer Simulation der CARLA-Challenge. Dieses System kann genutzt werden, um Agenten auf die CARLA-Challenge vorzubereiten.
ROS/ROS2 bridge for CARLA simulator [6][Bearbeiten]
Dieses ROS-Paket ist eine Brücke, die eine Zwei-Wege-Kommunikation zwischen ROS und CARLA ermöglicht. Die Informationen vom CARLA-Server werden in ROS-Themen übersetzt. Auf die gleiche Weise werden die zwischen Knoten in ROS gesendeten Nachrichten in Befehle übersetzt, die in CARLA angewendet werden.
CARLA Driving Benchmarks Repository [7][Bearbeiten]
Ein Repository, um Benchmarks zu speichern.
COiLTRAiNE: Conditional Imitation Learning Training Framework [8][Bearbeiten]
Dieses Repository kann dazu verwendet werden, das Training von Nachahmungslernnetzen zusammen mit Auswertungen auf dem CARLA-Simulator einfach zu trainieren und zu verwalten. Ziele:
- Dem Benutzer die Möglichkeit geben, mehrere Trainings mit einem einzigen Befehl durchzuführen.
- Automatisches Testen der trainierten Systeme mit CARLA.
- Ermöglicht es dem Benutzer, mehrere Trainings und Tests auf CARLA mit einem einzigen Blick zu überwachen.
- Ermöglicht die Durchführung der in dem Paper "On Offline Evaluation of Vision-based Driving Models" vorgeschlagenen Testmethodik
- Ermöglicht die Verwendung der Modelle aus dem Paper "Exploring the Limitations of Behavior Cloning for Autonomous Driving".
Autoware in CARLA [9][Bearbeiten]
Dieses Repository enthält einen Demonstrator eines Autoware-Agenten, der mit CARLA ausgeführt werden kann.
Reinforcement Learning in CARLA [10][Bearbeiten]
Der Agent wurde mit dem asynchronen advantage actor-critic (A3C) Algorithmus von V. Mnih et al. (2016) trainiert.
CARLA Map Editor [11][Bearbeiten]
Mit dem CARLA Map Editor können die in der RoadRunner-Anwendung erstellten FBX- und XODR-Dateien geladen und mit Ampeln und Geschwindigkeitsschildern aktualisiert werden.
Team[Bearbeiten]
Entwickler[Bearbeiten]
- Roel Algaba Brizuela (Software, CVC & Embodied AI Foundation)
- Bernat Pina (Software, CVC & Embodied AI Foundation)
- Jacopo Bartiromo (Software, CVC & Embodied AI Foundation)
- Axel Lopez (Software, CVC & Embodied AI Foundation)
- Joel Moriana (Software, CVC & Embodied AI Foundation)
- Guillermo Lopez (Software, CVC & Embodied AI Foundation)
- Corinne White (Technische Autorin, CVC & Embodied AI Foundation)
- Daniel Santos (Software, CVC & Embodied AI Foundation)
- Marc Sole Fonte (Cloud, CVC & Embodied AI Foundation)
- Alejandro Fraga Cimadevila (Software, CVC & Embodied AI Foundation)
Forscher[Bearbeiten]
- German Ros (Intel Labs)
- Vladlen Koltun (Intel Labs)
- Antonio M. Lopez (CVC & UAB)
Künstler[Bearbeiten]
- Xavier Godina (Art Lead, CVC & Embodied AI Foundation)
- DDaniel Navas (Art Developer, CVC & Embodied AI Foundation)
- Mario Gonzales (Art Developer, CVC & Embodied AI Foundation)
- Marcos Delgado (Art Developer, CVC & Embodied AI Foundation)
- Mario Noriega (Houdini Artist, CVC & Embodied AI Foundation)
- Adriana Despeyroux Peruga (Art Developer, CVC & Embodied AI Foundation)
- Rodrigo Molina (Art Developer, CVC & Embodied AI Foundation)
Unterstützer[Bearbeiten]
Das Projekt wird gefördert durch
- Intel (als Founding Sponsor)
- Toyota Research Institute
- FutureWei Technologies
- Computer Vision Center (CVC) der Universitat Autonoma de Barcelona
Weblinks[Bearbeiten]
- Whitepaper auf den Servern der PLMR
Einzelnachweise[Bearbeiten]
- ↑ Release Notes
- ↑ CARLA Team: CARLA. Abgerufen am 11. August 2021.
- ↑ CARLA Autonomous Driving Leaderboard. 25. Februar 2020, abgerufen am 13. August 2021 (english).
- ↑ Traffic Scenarios. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/scenario_runner: Traffic scenario definition and execution engine. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/ros-bridge: ROS bridge for CARLA Simulator. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/driving-benchmarks: Repository to store different driving benchmarks that run on the CARLA simulator. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - felipecode/coiltraine: Training framework for conditional imitation learning. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/carla-autoware: Integration of AutoWare AV software with the CARLA simulator. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/reinforcement-learning: Reinforcement learning baseline agent trained with the Actor-critic (A3C) algorithm. Abgerufen am 13. August 2021 (english).
- ↑ GitHub - carla-simulator/carla-map-editor: Standalone GUI application to enhance RoadRunner maps with traffic lights and traffic signs information. Abgerufen am 13. August 2021 (english).
Diese artikel "Carla (Software)" ist von Wikipedia The list of its authors can be seen in its historical and/or the page Edithistory:Carla (Software).
