首页/文章/ 详情

深信科创为CARLA引入OpenSCENARIO 2.0标准

11月前浏览3421

 

近日,开源仿真引擎CARLA正式支持OpenSCENARIO 2.0标准。至此,在深信科创的努力下,CARLA成为唯一同时支持OpenSCENARIO 1.X和2.0标准的开源仿真引擎,这也意味着,深信科创自主研发的OASIS SIM自动驾驶仿真平台也已支持OpenSCENARIO 2.0标准。作为CARLA在中国唯一的理事单位,深信科创为CARLA社区贡献的OpenSCENARIO 2.0解释器代码分支,已通过CARLA核心开发团队review(代码审查)并merge(合并)到代码主干。    

此举也获得了包括ASAM(自动化及测量系统标准协会)、Futurewei在内的众多业内知名机构的高度赞誉和充分认可,ASAM首席执行官Marius Dupuis和首席技术官Benjamin Engel对此表示:『我们非常高兴地看到面向CARLA的OpenSCENARIO 2.0解释器的发布。这不仅使在最著名的开源仿真平台之一的CARLA中执行ASAM OpenSCENARIO 2.0场景成为可能,还将帮助感兴趣的各方了解和探索ASAM OpenSCENARIO 2.0的功能,从而极大地促进社区对其的接受和使用。祝贺深信科创团队!』

       

We are very pleased to see the release of the OSC2 interpreter for CARLA. This will not only make it possible to execute ASAM OpenSCENARIO2 scenarios in one of the most prominent open-source simulation platforms; it will also help interested parties understand and explore ASAM OpenSCENARIO2’s capabilities, thus contributing significantly to its acceptance and increased use by the community. Congratulations to the Synkrotron team!

——Marius Dupuis (CEO) and Benjamin Engel (CTO), ASAM e.V.        
       
       
   
同时,该项目也得到Futurewei的大力支持与赞助,Futurewei高级副总裁Yue Chen表示:『CARLA模拟器对ASAM OpenSCENARIO 2.0的强大支持为自动驾驶汽车开发设定了新的黄金标准。凭借无缝集成和强大功能,CARLA使工程师和研究人员在场景创建时更轻松,场景测试时更严格,尤其是更易于对复杂场景开展验证,从而推动自动驾驶技术的发展。祝贺深信科创团队将这一愿景变为现实。』 
       

CARLA Simulator's robust support for ASAM OpenSCENARIO 2 sets a new gold standard in autonomous vehicle development. With its seamless integration and powerful features, CARLA empowers engineers and researchers to effortlessly create, rigorously test, and successfully validate complex scenarios, propelling the advancement of autonomous driving technology. Congratulations to the Synkrotron team for turning this vision into reality.

——Yue Chen(SVP), Futurewei        
       
       
   
长期以来,ASAM OpenSCENARIO 2.0场景描述标准缺乏一个可参考的实现标准,导致OpenSCENARIO 2.0标准在不同仿真器上实现的效果不一致。CARLA作为一款开源仿真器,广泛应用于世界范围内的汽车制造商、自动驾驶研发团队、教育科研团队等。深信科创在CARLA上开发的OpenSCENARIO 2.0场景描述标准解析执行引擎,对ASAM OpenSCENARIO 2.0标准的推广具有重要意义。      
   
借助CARLA仿真引擎,ASAM OpenSCENARIO系列标准拥有了一个开放、开源的标准参考案例,有利于世界范围内的自动驾驶科研人员、开发者、领域专家进行技术合作和知识共享,加速自动驾驶技术的应用落地。    

参考链接


                     
                     
开源地址:https://github.com/carla-simulator/scenario_runner                  
场景示例参考:https://github.com/carla-simulator/scenario_runner/blob/master/srunner/examples/change_lane.osc                  

OpenSCENARIO V2.0.0标准发布地址:https://www.asam.net/standards/detail/openscenario/v200

                 

ASAM简介

自动化及测量系统标准协会(Association for Standardization of Automation and Measuring Systems,简称ASAM)是世界最大的汽车领域非营利性标准化制定机构之一,致力于实现开发流程中各环节的数据信息自由交换。1998年成立至今,已有来自亚洲、欧洲、北美洲的400余家主机厂、供应商及科研机构加入成为会员,共同推动车开发和测试中工具链的标准化工作。ASAM推出的标准涉及多个汽车标准领域,包括仿真、车联网、测量与校准、诊断、自动化测试、软件开发、ECU网络和数据管理与分析等,为世界汽车标准化进程做出了突出贡献。                

官方网站:https://www.asam.net/

                   

Futurewei简介

Futurewei成立于2001年,致力于通过开放式创新模式追求研发(R&D)的开放性,努力与技术社区分享想法和知识,以开拓新的商业机会。Futurewei与全球多个领域内具有前瞻性思维的公司保持着持续、深入的合作。在过去的二十年中,Futurewei的专家一直积极参与标准项目。同时,Futurewei积极参与开源社区的活动,这是其不断努力建设行业和培育生态系统以促进共同成功的一部分。                  

官方网站https://www.futurewei.com/

                   

CARLA简介

CARLA(全称Car Learning to Act)是国际知名的自动驾驶开源仿真模拟器,用于测试自动驾驶车辆和自动驾驶系统的性能和安全性,目标是提供一个高度可定制和可扩展的仿真环境,使研发人员和开发人员能够在虚拟环境中测试自动驾驶系统,以便开发并加速自动驾驶商业化的进程。CARLA仿真器基于Unreal引擎开发,拥有高度逼真的图形和物理模拟效果,支持各种类型的车辆、行人、天气、时间、光照等模拟。此外,还支持自定义场景和障碍物、环境变量等一系列高级特性,并提供Python API接口,为开发者提供极大的可操作性和可扩展性依托简单易用的体系架构、丰富多样的配置接口、可靠灵活的模拟场景及开源逼真的数据模型等优势在自动驾驶仿真领域赢得众多用户及技术爱好者。                  

官方网站http://carla.org/


                 

                 

写在最后


深信科创(Synkrotron.ai)是继 Intel、Toyota Research Institute(丰田研究院)、Futurewei、NVIDIA 之后的第五家CARLA理事单位,不仅持续为CARLA开源社区的建设贡献力量,而且推出基于CARLA引擎的SYNKROTRON® Oasis商业版仿真平台,在CARLA基础上扩展了丰富的传感器模型、图形化场景编辑器、主车编辑器、场景泛化与场景库、AI交通流、3D资源库、任务管理与调度、测试评价与回看等模块,并积极协助CARLA社区进行开发者培训和社区运营。开发者对深信科创以及CARLA社区的支持和关注是我们持续前进的动力,欢迎大家关注CARLA社区,点击Star并提交问题/Issues。最后,衷心地感谢Futurewei对该项目的大力支持与赞助。

官方网站https://synkrotron.ai/

来源:孙工自动驾驶

System汽车自动驾驶数字孪生人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2023-11-18
最近编辑:11月前
孙工自动驾驶
硕士 专注自动驾驶仿真测试
获赞 19粉丝 27文章 82课程 0
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈