CARLA Simulator

소개

CARLA는 자율 주행 시스템의 개발, 훈련 및 검증을 지원하기 위해 처음부터 개발된 오픈 소스 시뮬레이터입니다. 오픈 소스 코드와 프로토콜 외에도, CARLA는 이 목적을 위해 생성된 도시 레이아웃, 건물 및 차량과 같은 오픈 디지털 자산을 제공합니다. 이 시뮬레이션 플랫폼은 센서 조합, 환경 조건, 모든 정적 및 동적 액터에 대한 완전한 제어, 지도 생성 등 다양한 기능을 지원합니다.

주요 기능

• 서버 다중 클라이언트 아키텍처를 통한 확장성: 동일한 노드 또는 다른 노드에서 여러 클라이언트가 서로 다른 액터를 제어할 수 있습니다.
• 유연한 API: CARLA는 사용자가 교통 생성, 보행자 행동, 날씨, 센서 등 시뮬레이션과 관련된 모든 측면을 제어할 수 있도록 강력한 API를 제공합니다.
• 자율 주행 센서 조합: 사용자는 LIDAR, 여러 카메라, 깊이 센서 및 GPS 등을 포함한 다양한 센서 조합을 구성할 수 있습니다.
• 빠른 시뮬레이션: 이 모드는 렌더링을 비활성화하여 그래픽이 필요하지 않은 교통 시뮬레이션 및 도로 행동의 빠른 실행을 제공합니다.
• 지도 생성: 사용자는 RoadRunner와 같은 도구를 통해 ASAM OpenDRIVE 표준을 따르는 자신의 지도를 쉽게 생성할 수 있습니다.
• 교통 시나리오 시뮬레이션: 우리의 엔진 ScenarioRunner를 통해 사용자는 모듈형 행동에 기반한 다양한 교통 상황을 정의하고 실행할 수 있습니다.
• ROS 통합: CARLA는 ROS-bridge를 통해 ROS와의 통합을 제공합니다.
• 자율 주행 기준선: CARLA에서 실행 가능한 에이전트로서 AutoWare 에이전트 및 조건부 모방 학습 에이전트를 포함한 자율 주행 기준선을 제공합니다.

추천 읽기

CARLA의 기능은 문서에서 광범위하게 다루어집니다. 다음은 CARLA의 가장 유용하고 요청된 기능 중 일부를 다룬 하이라이트입니다.

핵심 기능

• 빠른 시작: CARLA를 시작하는 것은 쉽습니다. 이 가이드는 시뮬레이터를 설치하고 실행하는 방법을 보여줍니다.
• 액터: CARLA의 액터는 차량, 보행자 및 교통 신호와 같은 시뮬레이션 내에서 상호 작용하는 엔티티입니다. 이들을 알아보세요.
• 센서: CARLA는 카메라, LIDAR 및 RADAR와 같은 실제 센서 모델의 인상적인 배열을 자랑합니다. 시뮬레이터는 또한 지상 진실 의미론적 분할 및 깊이 정보와 같은 특권 정보를 제공합니다.
• 교통 관리자: CARLA의 교통 관리자는 NPC를 제어하여 자율 주행 에이전트를 도전하게 합니다.
• ROS 브리지: CARLA의 ROS 브리지는 로봇 운영 체제와의 원활한 연결을 가능하게 합니다.

튜토리얼

• CARLA에서의 첫 걸음: CARLA가 처음이신가요? 첫 걸음에 도움이 필요하신가요? 이 튜토리얼이 여러분을 도와드립니다.
• 경계 상자: 차량이나 지도 기능에 대한 지상 진실 경계 상자가 필요하신가요? 이 튜토리얼은 CARLA의 API를 통해 이를 액세스하는 방법을 보여줍니다.
• CARLA용 사용자 정의 지도 만들기: CARLA의 내장 자산 라이브러리를 사용하거나 자신의 자산을 가져와 CARLA용 사용자 정의 지도를 만드세요.
• CARLA용 사용자 정의 차량 만들기: CARLA용 사용자 정의 차량을 만드세요.
• 시뮬레이션 기록: CARLA 시뮬레이션은 기록되고 정확하게 재생될 수 있어, 다양한 센서나 구성에 대한 결과를 반복하고 비교할 수 있습니다.

프로젝트에 관심이 있으신가요?

GitHub에서 별표를 눌러 프로젝트를 지원해주세요!

최신 뉴스

• CARLA CVPR 자율 대회 수상자 발표! (2024년 6월 10일)
• CARLA가 Neya Systems와 협력하여 Unreal Engine 5로 업그레이드합니다. (2024년 3월 26일)
• NVIDIA Omniverse Cloud API (2024년 3월 18일)
• Synkrotron의 OASIS Sim (2023년 12월 12일)
• CARLA 0.9.15 릴리스 (2023년 11월 10일)

연락하기

• 뉴스레터 구독: [구독하기]
• 포럼 방문: [포럼]

저작권 © CARLA 팀 2024. 개인정보 보호 정책.