drawtonomy vs. CARLA
CARLA ist der führende Open-Source-Simulator für Forschung und Entwicklung im Bereich autonomes Fahren. Er kombiniert eine Unreal-Engine-Welt mit vollständigen Sensormodellen — Kamera, LiDAR, Radar, GNSS, IMU, Kollision, Spurverlassenswarnung — sowie einer Python-API zur Steuerung der Simulation. Das begleitende Projekt CARLA Scenario Runner führt ASAM-OpenSCENARIO-Dateien gegen die CARLA-Welt aus.
Das leistet CARLA:
- Fotorealistische 3D-Welten mit sensortauglichem Rendering.
- Kamera-, LiDAR-, Radar-, GNSS-, IMU- und Kollisionssensoren inklusive Ground-Truth-Annotationen.
- Eine Python-API zum Skripten von Agenten, Sensoren und Verkehr.
- Unterstützung für OpenSCENARIO 1.x über Scenario Runner.
- Ein großes Ökosystem (Leaderboard, ROS-Bridge, ML-Referenzagenten).
Wer einen Stack für autonomes Fahren mit echten Sensordaten trainiert oder evaluiert, greift üblicherweise zu CARLA — es gehört zu den Standardwerkzeugen in diesem Bereich.
Lizenzierung
Abschnitt betitelt „Lizenzierung“Der Kern von CARLA ist Open Source unter der MIT-Lizenz. Manche Assets und Begleitprojekte haben eigene Lizenzbedingungen — es lohnt sich, die jeweiligen Repositories einzeln zu prüfen.
Wie drawtonomy sich zu CARLA verhält
Abschnitt betitelt „Wie drawtonomy sich zu CARLA verhält“drawtonomy ist ein kostenloses, browserbasiertes Whiteboard für Fahrszenarien. Der OpenSCENARIO-Simulator im Browser bettet esmini, kompiliert zu WebAssembly, direkt ein — das Storyboard läuft live auf der Seite, mit derselben Semantik wie natives esmini, weil die Laufzeitumgebung tatsächlich esmini ist. (Die Korrektheit der OpenSCENARIO-1.x-Simulation ist den Maintainern von esmini zu verdanken.)
drawtonomy und CARLA simulieren beide Fahrszenarien, allerdings auf sehr unterschiedlichen Ebenen:
| Frage | CARLA | drawtonomy (Browser-Simulator) |
|---|---|---|
| OpenSCENARIO-1.x-Storyboard abspielen | ✅ über Scenario Runner | ✅ über eingebettetes esmini-WASM |
| Sensorsimulation (Kamera / LiDAR / Radar / GNSS / IMU) | ✅ vollständig | ❌ keine |
| Fotorealistische 3D-Welt | ✅ Unreal Engine | ❌ nur 2D-Canvas |
| Genauigkeit der Fahrzeugdynamik | hoch | Storyboard-gesteuert (esmini-Niveau) |
| ML-/RL-Trainingspipeline | ✅ dafür ausgelegt | ❌ nicht das Ziel |
| Installation erforderlich | mehrere GB Engine + GPU | ❌ läuft in jedem modernen Browser |
| Zeit bis zum ersten Lauf auf einem frischen Laptop | Minuten bis Stunden | Sekunden |
| Frame-genaues Scrubben und Schritt-für-Schritt-Abspielen einer Aufzeichnung | abhängig vom Tooling | ✅ Scrubber + Pfeiltasten |
.webm-Export der Simulation | externe Bildschirmaufnahme | ✅ Export direkt in der App, mit Seitenverhältnis-Presets |
| Whiteboard-Authoring auf derselben Zeichenfläche | ❌ | ✅ |
Beide Werkzeuge lösen unterschiedliche Probleme:
- CARLA: ein Sensor-Simulator. Es geht darum, einen AV-Stack mit realistischen Wahrnehmungsdaten und Ground Truth zu versorgen.
- drawtonomy: ein Szenario-Simulator und Skizzen-Canvas in einem. Es geht darum, das Storyboard selbst zu visualisieren, zu teilen und schnell zu iterieren — im Browser, ohne Installation.
Ein sinnvolles Muster, wenn beide Tools zur Verfügung stehen: CARLA
für Sensor- und Trainingsläufe, drawtonomy für einen schnellen Blick
auf dieselbe .xosc-Datei im Browser (Triage, Code-Review, Demos,
Folien). Die .xosc-Datei, die im CARLA Scenario Runner läuft, ist
dieselbe Datei, die sich auch auf die drawtonomy-Zeichenfläche ziehen
lässt.
Wann der Browser-Simulator ausreicht
Abschnitt betitelt „Wann der Browser-Simulator ausreicht“- Ein fehlgeschlagenes Szenario triagieren — die
.xosc-Datei im Browser öffnen, zum Zeitpunkt des Fehlers scrubben, Screenshot machen. Schneller als CARLA hochzufahren. - Ein Szenario-PR reviewen, wenn der Reviewer kein CARLA eingerichtet hat.
- OpenSCENARIO unterrichten auf Studenten-Laptops ohne GPU.
- Ein Demo-
.webmaufnehmen vom Storyboard für eine Folie, einen Bugreport oder einen Social-Media-Post — ganz ohne Screen-Capture-Umweg. - Einen generierten Katalog überfliegen aus scenariogeneration oder Scenic, bevor ein vollständiger CARLA-Durchlauf angestoßen wird.
Wann CARLA das richtige Werkzeug ist
Abschnitt betitelt „Wann CARLA das richtige Werkzeug ist“- Wenn Sensordaten benötigt werden — Kamera, LiDAR, Radar, Tiefe, Semantik.
- Wenn ein AV-/ADAS-Stack trainiert oder evaluiert wird.
- Wenn eine fotorealistische 3D-Welt gebraucht wird, keine 2D-Zeichenfläche.
- Wenn Closed-Loop-Regelung mit einem Wahrnehmungsstack im Regelkreis läuft.
- Wenn eine Integration mit ROS oder anderer Robotik-Middleware ansteht.
drawtonomy versucht nicht, damit zu konkurrieren. Es sitzt eine Ebene darüber — dort, wo skizziert, das Storyboard simuliert und reviewt wird.