Mobil self-driving tidak belajar mengemudi di jalan sebenarnya terlebih dahulu. Itu berisiko. Sebaliknya, mereka belajar di dunia maya yang kuat. Dunia ini terlihat seperti kota, jalan raya, dan tempat parkir. Mereka mengikuti fisika nyata. Ban mencengkeram jalan. Hujan membuat segalanya licin. Sensor silau matahari membutakan. Semua di dalam komputer. Dalam artikel ini, kami mengeksplorasi tiga platform perangkat lunak simulasi kendaraan otonom yang menggunakan pemodelan berbasis fisika untuk mewujudkan keajaiban tersebut.
TLDR: Platform simulasi kendaraan otonom membantu mobil self-driving belajar di lingkungan virtual yang aman. Yang terbaik menggunakan pemodelan berbasis fisika untuk mensimulasikan gaya dunia nyata seperti gesekan, gravitasi, dan tumbukan. Tiga platform yang menonjol adalah CARLA, NVIDIA DRIVE Sim, dan LGSVL (SVL Simulator). Masing-masing memiliki kelebihan, mulai dari fleksibilitas sumber terbuka hingga pemodelan sensor ultra-realistis.
Mengapa Pemodelan Berbasis Fisika Penting
Sebelum kita beralih ke alatnya, mari kita luruskan satu hal. Tidak semua simulasi sama.
Simulator dasar mungkin menganimasikan mobil yang bergerak. Itu bagus untuk permainan. Namun untuk kendaraan otonom, itu saja tidak cukup.
Sistem self-driving harus memahami:
- Gaya akselerasi dan pengereman
- Gesekan ban dan sudut slip
- Perpindahan berat badan saat berbelok
- Kebisingan dan distorsi sensor
- Tabrakan dan dinamika benda
Di sinilah pemodelan berbasis fisika masuk. Ini mensimulasikan bagaimana objek bergerak dan berinteraksi di dunia nyata. Gravitasi menarik. Momentumnya mendorong. Hujan mengurangi traksi. Semuanya berperilaku sebagaimana mestinya.
Realisme itu sangat penting. Karena apa yang dipelajari mobil dalam simulasi seharusnya bisa diterapkan di dunia nyata.
1. CARLA
Terbaik untuk: Penelitian dan pengembangan akademik.
CARLA adalah salah satu simulator mengemudi otonom sumber terbuka paling populer. Ini dikembangkan oleh para peneliti. Dan para peneliti menyukainya.
Ini berjalan pada Mesin Unreal. Artinya, visualnya mengesankan. Namun yang membuat CARLA kuat adalah tulang punggung fisikanya.
Apa yang Membuat CARLA Istimewa?
- Sumber terbuka dan sangat dapat disesuaikan
- Dinamika kendaraan yang realistis
- Simulasi sensor tingkat lanjut
- Dukungan komunitas yang besar
CARLA memodelkan perilaku kendaraan menggunakan parameter fisika terperinci. Anda dapat mengubah massa, kurva torsi, kekakuan suspensi, dan gesekan ban.
Ingin mensimulasikan jalan bersalju? Anda bisa.
Ingin menguji pengereman darurat di lereng menurun? Lakukanlah.
Ini juga mendukung banyak sensor:
- Kamera (RGB dan kedalaman)
- LIDAR
- Radar
- GPS
- IMU
Dan sensor ini berperilaku realistis. LIDAR memantulkan permukaan. Kamera merespons perubahan pencahayaan. Kebisingan bisa disuntikkan.
Hal ini menjadikan CARLA sempurna untuk mengembangkan algoritma persepsi dan kontrol.
Siapa yang Menggunakan CARLA?
Universitas. Startup. Laboratorium penelitian. Siapapun yang menginginkan fleksibilitas tanpa biaya lisensi yang besar.
Sisi negatifnya? Itu membutuhkan keterampilan teknis. Penyiapannya bisa jadi rumit. Bukan plug-and-play.
Namun jika Anda menyukai kontrol dan penyesuaian, CARLA adalah pembangkit tenaga listrik.
2. Sim NVIDIA DRIVE
Terbaik untuk: Pengembangan tingkat perusahaan dan simulasi sensor dengan ketelitian tinggi.
NVIDIA DRIVE Sim terasa seperti studio platform simulasi Hollywood.
Itu dibangun di atas NVIDIA Omniverse. Itu berarti grafik yang menakjubkan dan fisika yang sangat akurat.
Tapi ini bukan tentang visual yang cantik. Ini tentang presisi.
Apa yang Membuat NVIDIA DRIVE Sim Istimewa?
- Simulasi sensor yang akurat secara fisik
- LIDAR dan model kamera yang ditelusuri sinar
- Lingkungan kembar digital
- Simulasi skala awan
Salah satu keuntungan utama adalah penggunaannya penelusuran sinar. Hal ini memungkinkan sinyal cahaya dan laser memantul ke permukaan persis seperti di kehidupan nyata.
Mengapa itu penting?
Karena sistem persepsi bergantung pada bagaimana cahaya berinteraksi dengan objek. Truk reflektif. Aspal gelap. Kabut. Bangunan kaca. DRIVE Sim membuat ulang detail ini dengan sangat akurat.
Ini juga mendukung pengujian skala besar. Ribuan skenario dapat dijalankan secara paralel di cloud.
Itu penting untuk validasi keamanan. Kendaraan otonom harus menempuh jarak jutaan mil sebelum mencapai jalan sebenarnya.
Kembar Digital
NVIDIA DRIVE Sim memungkinkan perusahaan membangun kembaran digital kota nyata.
Kembaran digital adalah replika virtual dari lingkungan fisik.
Bayangkan menyalin pusat kota San Francisco ke dalam simulator. Jalan yang sama. Lampu lalu lintas yang sama. Lereng yang sama.
Kemudian uji kasus tepi berulang kali.
Itu sangat kuat.
Siapa yang Menggunakan NVIDIA DRIVE Sim?
Perusahaan otomotif besar. Perusahaan teknologi besar. Tim dengan anggaran serius.
Ini bukan sumber terbuka. Ini berfokus pada perusahaan. Namun realismenya ada pada level berikutnya.
3. LGSVL (Simulator SVL)
Terbaik untuk: Pengujian integrasi dengan tumpukan otonom nyata.
LGSVL, sekarang dikenal sebagai SVL Simulator, adalah pesaing kuat lainnya.
Ini dirancang dengan mempertimbangkan integrasi perangkat lunak otonom.
Dengan kata sederhana, ini cocok dengan orang lain.
Apa yang Membuat Simulator SVL Istimewa?
- Integrasi bawaan dengan Autoware dan Apollo
- Lingkungan realistis berbasis kesatuan
- Fisika kendaraan dan sensor terperinci
- Antarmuka yang ramah pengguna
SVL sangat berfokus pada menjembatani simulasi dan penerapan di dunia nyata.
Anda dapat menghubungkannya langsung ke tumpukan mengemudi otonom yang sebenarnya. Artinya, perangkat lunak yang sama yang dijalankan di dalam kendaraan dapat dijalankan di dalam simulator.
Itu membuat pengujian lebih lancar.
Mesin fisikanya mensimulasikan:
- Gerak kendaraan berbadan kaku
- Sistem suspensi
- Kondisi lingkungan
- Perilaku peserta lalu lintas
Ini mungkin tidak memiliki penelusuran sinar hiper-realistis seperti NVIDIA. Tapi ini memberikan keseimbangan antara realisme dan kegunaan.
Siapa yang Menggunakan SVL?
Pengembang bekerja dengan tumpukan otonom terbuka. Tim robotika. Perusahaan menguji jaringan perangkat lunak lengkap.
Ini praktis. Efisien. Ramah pengembang.
Bagan Perbandingan
| Fitur | CARLA | NVIDIA DRIVE Sim | Simulator SVL |
|---|---|---|---|
| Lisensi | Sumber terbuka | Perusahaan коммерical | Sumber terbuka |
| Mesin Grafis | Mesin Tidak Nyata | Segala alam semesta | Persatuan |
| Realisme Fisika | Tinggi | Sangat Tinggi | Tinggi |
| Kesetiaan Sensor | Canggih | Sangat presisi dengan ray tracing | Canggih |
| Skalabilitas Awan | Sedang | Bagus sekali | Sedang |
| Kemudahan Penggunaan | Teknis | Berfokus pada perusahaan | Ramah pengguna |
| Terbaik Untuk | Riset | Validasi skala besar | Pengujian integrasi tumpukan |
Cara Memilih Platform yang Tepat
Memilih simulator seperti memilih gym.
Apa tujuan Anda?
- Jika Anda melakukan penelitian akademis, CARLA luar biasa.
- Jika Anda membuat kendaraan produksi dalam skala besar, NVIDIA DRIVE Sim bersinar.
- Jika Anda ingin integrasi yang erat dengan tumpukan perangkat lunak otonomi, Simulator SVL adalah pilihan cerdas.
Pertimbangkan juga:
- Anggaran Anda
- Keahlian teknis Anda
- Sumber daya perangkat keras Anda
- Persyaratan validasi Anda
Beberapa tim bahkan menggunakan banyak simulator. Satu untuk persepsi. Satu untuk validasi. Satu untuk pengujian integrasi.
Itu tidak berlebihan. Itulah keamanan.
Gambaran Besarnya
Kendaraan otonom harus mampu menangani situasi yang jarang terjadi dan berbahaya.
Seorang anak berlari ke jalan.
Sebuah truk menjatuhkan muatan.
Badai salju yang tiba-tiba.
Menguji peristiwa ini dalam kehidupan nyata membutuhkan biaya yang mahal. Dan berisiko.
Dalam simulasi, Anda dapat memicunya secara instan.
Lagi. Dan lagi. Dan lagi.
Pemodelan berbasis fisika memastikan respons mobil didasarkan pada perilaku di dunia nyata.
Tidak ada jalan pintas. Tidak ada logika kartun.
Hanya matematika. kekuatan. Lampu. Gerakan.
Ketika daya komputasi meningkat, simulasi semakin mendekati kenyataan.
Dan suatu hari, batasan antara pengujian virtual dan mengemudi di dunia nyata mungkin hampir hilang.
Pikiran Terakhir
Simulasi bukan sekedar alat. Ini adalah tempat pelatihan bagi intelijen otonom.
CARLA memberikan kendali kepada peneliti. NVIDIA DRIVE Sim menghadirkan realisme ekstrem. SVL Simulator berfokus pada integrasi.
Ketiganya sangat bergantung pada pemodelan berbasis fisika. Itulah saus rahasianya.
Karena pada akhirnya, mobil harus mematuhi fisika.
Dan semakin baik kita melakukan simulasi fisika, jalan kita akan semakin aman.