CARLA (Car Learning to Act) es un simulador de código abierto diseñado para el entrenamiento, prueba y validación de sistemas de conducción autónoma. Desarrollado por el Computer Vision Center (CVC) con apoyo de la comunidad investigadora, CARLA ofrece un entorno urbano realista con un enfoque especial en la seguridad y la simulación precisa de sensores.

Es ampliamente utilizado por universidades, centros de investigación y equipos de I+D en sectores como la automoción, la robótica y la inteligencia artificial. Permite simular tráfico urbano complejo, condiciones variables y sensores virtuales (como cámaras, LiDAR, radar y GPS).

Principales ventajas:

• Simulación segura de escenarios complejos, sin riesgos reales

• Plataforma abierta y extensible, ideal para investigación aplicada

• Modelado avanzado de sensores, útil para percepción y planificación

¿Cuáles son las principales funcionalidades de CARLA?

Entorno de simulación realista

CARLA se basa en Unreal Engine para generar entornos urbanos y suburbanos con físicas realistas y alto nivel de detalle visual.

• Clima, iluminación y hora del día configurables

• Red vial editable con intersecciones y semáforos

• Dinámica realista de vehículos y peatones

Simulación completa de sensores

La plataforma incluye una amplia gama de sensores virtuales que reproducen el comportamiento de los dispositivos reales.

• Cámaras RGB, de profundidad y semánticas

• LiDAR, radar, GPS, IMU y sensores ultrasónicos

• Control sobre posición, campo de visión y ruido

Pruebas basadas en escenarios

CARLA permite crear y ejecutar escenarios complejos con participantes dinámicos, obstáculos y eventos específicos.

• Agentes controlables por eventos y condiciones

• Herramienta Scenario Runner para pruebas automatizadas

• Simulación de situaciones raras o peligrosas

Control por API y diseño modular

El simulador ofrece APIs en Python y C++ que permiten la integración con algoritmos externos y modelos de IA.

• Conexión con módulos de planificación y control

• Compatible con aprendizaje por refuerzo o imitación

• Arquitectura modular para sensores y lógicas personalizadas

Ecosistema de investigación abierto

Como proyecto de código abierto, CARLA fomenta la colaboración entre instituciones académicas y la industria.

• Datasets públicos y mapas predefinidos

• Escenarios y herramientas compartidos por la comunidad

• Uso en competiciones como el CARLA Leaderboard

¿Por qué elegir CARLA?

• Diseñado específicamente para investigación en conducción autónoma, con entornos controlados y realistas

• Permite experimentación segura y reproducible, sin depender de pruebas físicas

• Totalmente abierto y personalizable, con desarrollo activo y transparente

• Amplio soporte de sensores virtuales, adaptable a distintos casos de prueba

• Respaldo académico e industrial, lo que lo convierte en un estándar de referencia