CARLAverse: A Highly Modular, Distributed, and Multimodal Framework for Human-in-the-Loop Simulation
CARLAverse 是一个开源、分布式且多模态的仿真框架，它集成了驾驶、骑行和行人环境，通过一种创新的本地客户端/中央服务器架构，将对延迟敏感的触觉反馈与网络瓶颈解耦，从而实现可扩展的人机回环实验。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
为了制造能够安全自动驾驶的汽车，工程师必须教会它们如何在充满不可预测的人类的世界中穿行。虽然计算机非常擅长遵循严格的规则，但它们往往难以应对繁忙街道上那些微妙且不言而喻的博弈：例如骑自行车的人在转弯前会回头瞥一眼，行人会在人行横道前犹豫不决，或是驾驶员通过信号灯变换车道。为了在不冒生命危险的情况下研究这些复杂的交互作用，研究人员使用模拟器。这些数字环境允许人类在其中扮演驾驶场景，同时由计算机记录他们的反应。然而，一个主要的障碍仍然存在：目前大多数模拟器都是孤岛。它们可以向人类驾驶员展示一个虚拟世界，但很难将该驾驶员与在同一共享空间中扮演自行车手或行人的其他真实人类联系起来。当多个人试图在虚拟世界中通过网络进行交互时，传输信息的延迟会破坏这种沉浸感，使体验感觉迟钝，甚至导致身体不适。
卡尔斯鲁厄应用技术大学的一组研究人员通过创建一种名为 CARLAverse 的新型开放系统解决了这一挑战。该框架充当了一个桥梁，允许不同类型的模拟器——包括汽车、自行车和行人的模拟器——连接并在一个同步的虚拟城市中进行交互。其核心创新在于系统处理运动物理学的方式。该系统并没有将一个人转向或踩踏的每一个微小细节都发送到中央计算机并等待回复，而是将工作进行了拆分。每个参与者的本地机器负责计算他们感受到的即时、高速的力量，例如方向盘中的阻力或自行车把手的震动，而中央服务器则负责管理更广泛的交通流和其它车辆的位置。这种设计确保了人类感受到的反馈是即时且真实的，即使参与者位于不同的建筑或城市中。通过将这些分布式计算与共享虚拟环境相结合，研究人员创建了一个平台，让多个人可以安全地练习并研究他们在混合交通中如何相互反应，从而捕捉到人工智能经常忽略的真实社会动态。
该系统建立在模块化的基础上，这意味着它可以适应各种硬件设置，而无需重新构建整个系统。它支持三种不同的出行模式：驾驶汽车、骑自行车和步行。对于汽车，系统连接到带有方向盘和踏板的标准驾驶模拟器。对于自行车，它连接到可以调节阻力以模拟坡度或风力的智能训练器。对于行人，它使用虚拟现实头显和摄像头来追踪身体动作，允许一个人自然地行走并以人类的高度观察世界。这种方法之所以独特，是因为它能够保持这些不同体验的完美同步。当一名在虚拟现实中的行人踏下路缘时，汽车模拟器中的驾驶员能立即看到这一动作，并感受到路面环境相应的变化。系统通过仔细分离全局交通管理的高强度计算与个体运动的敏感、快速计算来实现这一点。
过去，连接多个模拟器通常依赖于充当中间人的软件层，在彼此之间传递消息。研究人员发现，这些中间人引入了过多的延迟，这对于依赖物理反馈（如力反馈或运动平台）的系统来说是无法接受的。为了解决这个问题，CARLAverse 绕过了这些额外的层级，允许本地机器通过精简的通信渠道直接与中央服务器对话。这种直接的通信线路确保了当驾驶员转动方向盘时，虚拟汽车会立即响应，且力反馈电机能无延迟地向其手部施加推力。同样，当骑行者踩踏时，阻力会实时调整以匹配虚拟地形。这种精准度至关重要，因为即使是极小的延迟也会导致人产生眩晕感或失去在模拟中的存在感。
研究人员还整合了先进的功能以增强沉浸感。系统根据用户的位置生成声音，因此驾驶员会根据所在位置的不同听到引擎的轰鸣声，行人也会从正确的方向听到驶近的汽车声。视觉处理经过精心设计，以确保屏幕或头显上的图像与用户的视角完美对齐，从而防止虚拟现实中常见的眩晕现象。对于自行车模拟器，系统甚至会计算风力和路面坡度的物理力量，以调整训练器的阻力，使骑行体验更加真实。对于行人，系统使用标准摄像头来追踪身体动作，将一个人的倾斜或手势转化为虚拟世界中的动作，从而实现如挥手或环顾四周等自然交互。
这项工作的最终目标是提供一个理解交通中人类行为的工具。通过将真实的人置于共享的虚拟空间中，研究人员可以观察他们如何协商优先通行权、如何表达意图，以及如何对突发事件做出反应。这类数据很难仅通过人工代理（AI）来获取，因为计算机往往无法复制人类肢体语言和犹豫不决中的微妙细微差别。CARLAverse 框架允许进行大规模实验，使多个机构可以同时参与，跨越广阔的距离连接模拟器。这种能力为研究涉及汽车、自行车和行人的复杂交通场景打开了大门，提供了对道路社会结构的更深刻理解。虽然该系统目前仍处于模拟阶段，但研究人员计划进一步验证其物理模型，并扩展其功能，包括为自行车添加运动平台以及为行人添加全向跑步机。通过使这项技术开放且易于获取，团队希望降低其他研究人员开展类似研究的门槛，促进协作努力，从而使未来的交通系统更加安全，并更符合人类的需求。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。