주제 정보
- 유형: GitHub 프로젝트 (오픈소스 시뮬레이터) + 원형 논문 CARLA: An Open Urban Driving Simulator
- 소유자/저장소: carla-simulator/carla (C++, Unreal Engine 기반)
- Star / Fork: 14,376 ⭐ / 4,684 forks (2026-09-09 확인)
- 라이선스: MIT (완전 오픈소스, 상용 활용 가능)
- 설명: Open-source simulator for autonomous driving research (홈페이지 carla.org)
- 최신 릴리스: 0.9.16 (2025-09-16) — UE5 기반 nightly 빌드 배포 진행 중 (커밋: 2026-09-02 'Deploy UE5 nightly to Cloudflare R2')
- 최근 활동: 2026-07 V2X 센서 계열 추가(CAM 서비스·path-loss·CustomV2X·V2I, #9757), WalkManager 신호등 보호 수정(#9758) 등 — 커밋 2026-09 기준 매우 활발
- 원형 논문: Alexey Dosovitskiy, German Ros, Felipe Codevilla, Antonio M. López, Vladlen Koltun — CoRL 2017 (Conference on Robot Learning), 수천 회 인용
- 원문: https://github.com/carla-simulator/carla
핵심 내용
CARLA(CAR Learning to Act)는 2017년 Intel 연구진이 발표한 '연구 전용' 공개 도시 주행 시뮬레이터다. Unreal Engine 위에 자동차·도로·신호등·보행자가 살아있는 가상 도시를 구축하고, 자율주행 스택 전체(인식→플래닝→제어)를 안전하게 개발·검증할 수 있는 환경을 제공한다. '실차 실험이 위험하고 비싼 문제'를 시뮬레이션으로 옮긴, 현대 자율주행 연구 인프라의 사실상 표준이다.
- 풍부한 센서 시뮬레이션: RGB·깊이·세그멘테이션 카메라, LiDAR, 레이더, GNSS/IMU, V2X(차량-인프라 통신)까지 — 물리 기반 렌더링과 현실적인 노이즈/감쇠 모델로 센서 융합·인식 연구의 입력을 재현
- 동적 도시 환경: 여러 도시 맵(Town 시리즈)과 날씨·시간대(낮/밤/비/안개) 조합, 교통량·보행자 시뮬레이션 — Traffic Manager가 현실적인 주변 차량 흐름을 생성해 복잡한 도심 시나리오 재현
- Python API + 시나리오 엔진: 클라이언트-서버 구조의 Python API(carla 라이브러리)로 차량·센서·맵을 코드로 제어하고, ScenarioRunner로 NHTSA 사전충돌 시나리오 등 위험 상황을 의도적으로 재현 — RL·모방 학습 에이전트 학습에 최적화된 환경
- ROS/ROS2 브리지·벤치마크 생태계: ROS 기반 스택과의 연동 브리지, 그리고 CARLA Leaderboard(자율주행 챌린지)와 공식 벤치마크로 서로 다른 주행 정책의 성능을 동일 조건에서 비교 평가하는 표준 절차를 제공
왜 유명한가 / 활용 가치
- 자율주행 논문의 '공동 실험실': CVPR·CoRL·ICRA 등 최신 엔드투엔드/모방 학습/RL 주행 연구(TransFuser, UniAD 계열, 인터랙티브 플래닝 등)의 상당수가 CARLA에서 학습·평가됨 — 실차 없이도 '도시 주행' 문제를 재현할 수 있는 표준 무대
- 업계·학계 양쪽의 채택: MIT 라이선스로 완전 공개되어 상용/교육/연구 무관하게 사용 가능, 14.4k ⭐·4.7k fork에 이르는 커뮤니티 — 도요타 연구소, 웨이모 등 실차 기업도 보조 검증 환경으로 활용(연구 인용 수천 회)
- 8년 넘게 이어지는 활발한 유지보수: 2017년 생성 후 지금까지 릴리스와 커밋이 끊이지 않음(최근엔 UE5 이전과 V2X·차량-인프라 통신 센서 계열 추가) — 학계 '토이'가 아닌, 계속 진화하는 산업 수준 인프라
- 시리즈 내 연결: 전술 의사결정 RL 환경 HighwayEnv(2026-09-07 포스팅)가 '경량 정책 학습'이라면, CARLA는 센서 입력부터 저수준 제어까지 풀스택을 다루는 '고충실도 검증' 담당 — ChauffeurNet(2026-09-08 포스팅)이 합성 위험 시나리오로 정책을 훈련한 것과 같은 맥락에서, CARLA의 시나리오 엔진은 그 '위험 상황 재현'을 표준화한 플랫폼
시사점 및 결론
CARLA가 보여주는 통찰은 자율주행의 경쟁이 '알고리즘'을 넘어 '검증 인프라'로 이동했다는 점이다. 실도로 테스트는 비용·안전·시간의 벽에 막히지만, 고충실도 시뮬레이터는 위험한 시나리오를 무한정·재현 가능하게 생성해 학습과 평가를 가속한다. 2017년 '오픈소스 시뮬레이터 하나'로 시작한 프로젝트가 2026년 현재 자율주행 연구의 사실상 공용 실험실이 된 것은, 연구 커뮤니티가 '같은 환경에서 비교하는 재현성'을 얼마나 갈망했는지를 방증한다. 특히 최근의 V2X·차량-인프라 통신 지원과 UE5 기반 차세대 버전은 시뮬레이션이 단순 훈련 도구를 넘어 V2X·협력 주행 같은 미래 시스템의 설계 무대로 확장되고 있음을 시사한다. 한 줄 요약: 좋은 자율주행 연구의 출발점은 좋은 알고리즘이 아니라, 실패를 안전하게 반복할 수 있는 '가상 도시'다.