Carla和Airsim的特征功能及区别

Carla和Airsim的特征功能及区别

一、Carla的特征功能

• 1.CARLA(CarLearning to Act)，它模拟了各种各样的驾驶条件，并且可以不断重复危险的情况来帮助自动驾驶系统学习。
• 2.ARLA提供了一个资源库，这些资源可以被放置到不同天气和照明条件下的城镇中。这个资源库包含40座不同的建筑，16个运动汽车模型和50个行人模型。
• 3.CARLA通过Server-Client方式使车辆与虚拟世界进行交互。Client API采用Python编写，Client向Server发送command和meta-command，command为控制车辆的转向、加速和刹车，meta-command，针对的是Server的行为，主要有重启模拟器、改变环境特征、修改传感器组等。
• CARLA包含了自动驾驶系统的3种方法：
  1.经典模块化方法，包含基于视觉的感知模块，基于规则的规划器，还有行为控制器。
  2.端到端的模仿学习方法。
  3.端到端的强化学习方法。

二、AirSim的特征功能：

AirSim是大名鼎鼎的微软官方出品的一款开源模拟器，可以模拟无人机、无人车，而且可以通过编程抓取车辆自身摄像头所拍摄的图像信息。
AirSim能够提供逼真的环境、交通运输工具动力以及传感模拟，帮助研究人员和开发者使用AI在开放世界中构建安全的自动驾驶系统。最新版的AirSim还包含了一些其它新的和增强的功能，例如用于飞行器测试的附加工具。新增的内置飞行控制器可简化初始设置过程，使无人机模拟飞行变得更简单。这些功能通过控制和状态估计算法可提高试验测试效率，相比嵌入式的高成本调试和开发更有优势。
AirSim具备以下功能：

• 模拟完成车辆建模测试。AirSim包含车辆模拟、城市道路场景，还提供可以简化编程的API以及即插即用的代码，可以很快上手并用于自己的自动驾驶项目。
• 快速构建丰富场景。AirSim提供了详细的3D城市街景，以及包括交通信号灯、公园、湖泊、工地等丰富的场景。开发者可以在各种不同的场景下测试他们的系统，无论是在市中心，还是在城乡道路、郊野和工业区。开发者还可以利用AirSim的拓展性添加新的传感器、车辆，甚至使用不同的物理引擎。
• 一站式AI研究平台。AirSim 提供包括C++和Python等多语言的API接口，使用者可以十分容易地将AirSim和众多机器学习工具共同使用。例如，开发者可以使用微软认知工具包(CNTK)和AirSim进行深度增强学习。同时，我们也看到使用新型的对数据量需求很大的机器学习算法进行训练时，在基于Microsoft Azure的AirSim下运行多个实例具有很大的潜力。
  此外，微软的研究人员还提供AirSim的编译好的二进制文件，这意味着你可以在短短几分钟之内下载并且调用Python API来控制车辆在模拟环境中运行。在未来的版本中，将会加入新的传感器，提供更完善的车辆物理模型、气候模型，以及更详尽的和真实的环境场景。

三、区别

• AirSim的视景做得比较好，环境比较细腻，驾驶环境比较复杂，同时包含了多车道、行人、障碍物、环岛等复杂环境，但是AirSim的地图不对外开放，用户能看到的就只有视景显示出来的东西，以及API接口提供的东西。我们不知道车在哪里，没法进行可重复性的测试。
• CARLA作为一款专用的无人车仿真环境，相对来说偏学术一些，提供了场景的Map，给出了一系列的Python接口和Python实例，最让人感兴趣的是他们提供了一个benchmark测试程序，可以对同一款自动驾驶仪进行不同场景不同天气不同环境的测试，并给出测试性能评估报告。