drawtonomy vs CARLA

CARLA

CARLA 是自动驾驶研发领域最主流的开源仿真器。它以 Unreal Engine 搭建 3D 世界，配备摄像头、LiDAR、雷达、GNSS、IMU、碰撞、压线等完整传感器模型，并提供 Python API 驱动仿真。配套的 CARLA Scenario Runner 项目可以在 CARLA 世界中运行 ASAM OpenSCENARIO 文件。

CARLA 覆盖的能力：

具备传感器级渲染的 3D 照片级真实世界。
摄像头 / LiDAR / 雷达 / GNSS / IMU / 碰撞传感器，并带有真值标注。
用于编写智能体、传感器和交通流脚本的 Python API。
通过 Scenario Runner 支持 OpenSCENARIO 1.x。
庞大的生态（Leaderboard、ROS bridge、机器学习参考智能体等）。

如果你要用传感器输入训练或评测自动驾驶技术栈，CARLA 是业内标准工具之一。

授权方式

CARLA 的核心以 MIT 许可证开源。部分资产和配套项目有各自的条款，使用前请查看对应仓库。

drawtonomy 与 CARLA 的关系

drawtonomy 是一款免费的浏览器端驾驶场景白板。它的浏览器内 OpenSCENARIO 仿真器内嵌了编译为 WebAssembly 的 esmini，因此故事板能直接在页面里运行——其语义与原生 esmini 完全一致，因为运行时本身就是 esmini（OpenSCENARIO 1.x 仿真的正确性归功于 esmini 的维护者）。

drawtonomy 和 CARLA 都能仿真驾驶场景，但所处的层次相差很大：

问题	CARLA	drawtonomy（浏览器仿真器）
运行 OpenSCENARIO 1.x 故事板	✅ 通过 Scenario Runner	✅ 内嵌 esmini-WASM
传感器仿真（摄像头 / LiDAR / 雷达 / GNSS / IMU）	✅ 完整支持	❌ 无
3D 照片级真实世界	✅ Unreal Engine	❌ 仅 2D 画布
车辆动力学精度	高	由故事板驱动（esmini 级别）
机器学习 / 强化学习训练流水线	✅ 专为此设计	❌ 非目标场景
是否需要安装	需要数 GB 引擎 + GPU	❌ 现代浏览器即可运行
全新电脑上首次跑通所需时间	数分钟到数小时	几秒钟
对录制结果做逐帧定位与步进	取决于配套工具	✅ 拖动条 + 方向键
导出仿真过程为 `.webm`	需外部录屏	✅ 应用内导出，内置多种画幅比例
与仿真共用同一画布做白板作图	❌	✅

两款工具解决的是不同层次的问题：

CARLA：一款传感器仿真器，核心目标是给自动驾驶技术栈提供逼真的感知数据和真值。
drawtonomy：一款场景仿真器兼草图画布，核心目标是在浏览器中快速可视化、分享和迭代故事板本身，无需安装。

两者都可用时，一种合理的组合方式是：训练和传感器相关的工作交给 CARLA，同一份 .xosc 想在浏览器里快速看一眼（排查问题、代码评审、演示、做幻灯片）就交给 drawtonomy。你在 CARLA Scenario Runner 里跑的那份 .xosc，同一个文件也可以直接拖进 drawtonomy 画布。

什么时候浏览器仿真器就够用了

排查失败场景——把 .xosc 拖进浏览器，拖动到失败发生的那一刻，截图记录。比启动 CARLA 快得多。
评审场景相关的 PR，尤其是评审者本地没有配置 CARLA 环境时。
在没有 GPU 的学生电脑上教学 OpenSCENARIO。
录制故事板的 .webm 演示，用于幻灯片、bug 报告或社交平台分享，不需要额外搭录屏工具链。
快速浏览生成的场景目录，例如来自 scenariogeneration 或 Scenic 的输出，在决定是否值得跑一整轮 CARLA 之前先过一遍。

什么时候该用 CARLA

需要传感器数据——摄像头、LiDAR、雷达、深度图、语义分割。
正在训练或评测自动驾驶 / ADAS 技术栈。
需要照片级真实的 3D 世界，而不是 2D 画布。
需要跑带感知环节的闭环控制。
需要与 ROS 或其他机器人中间件对接。

drawtonomy 并不打算在这些场景中与 CARLA 竞争，它所处的是更上一层——用来画草图、仿真故事板、做评审的地方。