CARLA (Car Learning to Act) è un simulatore open source progettato per il training, il test e la validazione di sistemi di guida autonoma. Sviluppato dal Computer Vision Center (CVC) con il supporto della comunità scientifica, CARLA offre un ambiente urbano realistico con simulazione avanzata dei sensori e focus su scenari critici per la sicurezza.

È ampiamente utilizzato da università, centri di ricerca e team di R&D nei settori automobilistico, robotico e dell’intelligenza artificiale. CARLA permette di simulare scenari di traffico complessi, condizioni ambientali variabili e un’ampia gamma di sensori virtuali (camera, LiDAR, radar, GPS).

Vantaggi principali:

• Simulazione sicura di scenari ad alto rischio, senza test su strada

• Piattaforma aperta e personalizzabile, adatta alla ricerca e allo sviluppo

• Modellazione accurata dei sensori, ideale per test di percezione e pianificazione

Quali sono le principali funzionalità di CARLA?

Ambiente di simulazione realistico

Basato su Unreal Engine, CARLA ricrea ambienti urbani e suburbani con fisica credibile, dettagli visivi elevati e interazioni dinamiche.

• Condizioni meteorologiche e luminose personalizzabili

• Rete stradale configurabile con incroci e segnaletica

• Comportamenti realistici di veicoli e pedoni

Simulazione completa dei sensori

CARLA include una vasta gamma di sensori virtuali che imitano dispositivi reali per il test di sistemi di percezione.

• Camere RGB, di profondità e semantiche

• Sensori LiDAR, radar, GPS, IMU e ultrasuoni

• Possibilità di configurare rumore, posizione e frequenza

Test basati su scenari

La piattaforma consente la creazione di scenari complessi con eventi dinamici, ostacoli e agenti controllabili.

• Controllo a eventi di veicoli e pedoni

• Scenario Runner per esecuzioni automatizzate

• Supporto per casi limite e situazioni rare

API e architettura modulare

CARLA offre API in Python e C++ per il controllo diretto e l’integrazione con modelli esterni.

• Compatibile con algoritmi di pianificazione e controllo

• Supporto per reinforcement learning e apprendimento per imitazione

• Architettura estendibile con plugin e logiche personalizzate

Ecosistema aperto per la ricerca

Essendo un progetto open source, CARLA promuove collaborazione e benchmarking nella comunità scientifica.

• Dataset pubblici e mappe pronte all’uso

• Scenari condivisi e strumenti sviluppati dalla community

• Utilizzato in competizioni internazionali come il CARLA Leaderboard

Perché scegliere CARLA?

• Progettato per la ricerca sulla guida autonoma, con ambienti realistici e controllati

• Favorisce esperimenti sicuri e ripetibili, senza rischi su strada

• Completamente open source e in costante evoluzione, altamente personalizzabile

• Ampio supporto per sensori virtuali, utile per test di percezione e decisione

• Supportato da comunità accademica e industriale, punto di riferimento nel settore