ReplicaR 5.6.0

AutoScenario nutzt die naturalistische Verkehrssimulation von AAI, um automatisch realistische Szenarien zu erzeugen, während MyScenario die Morphosynthese - einen wissensbasierten, statistischen Ansatz - für die kontrollierte Szenarienerstellung verwendet. Mit einer umfangreichen Bibliothek von ASAM OpenDrive-Straßenkarten (die Europa abdecken und weltweit erweiterbar sind) und der Unterstützung von benutzerdefinierten Kartenimporten kann ReplicaR kritische Szenarien erzeugen, die Stadt-, Autobahn- und Randbedingungen abdecken. Benutzer können Verkehrsdichte, Fahrzeugtypen (Autos, Busse, Fußgänger usw.), Fahrerverhalten und sogar KI-basierte Agentenlogik konfigurieren, um eine breite Palette von Fahrsituationen zu modellieren. Diese leistungsstarke szenariobasierte Simulationsfunktion gewährleistet, dass selbst seltene und gefährliche Situationen in der virtuellen Welt sicher reproduziert und getestet werden können. 

ReplicaR bietet einen zweigleisigen Ansatz zur Sensorsimulation, um unterschiedlichen Testanforderungen gerecht zu werden. Für schnelle Algorithmentests stellt ein Low-Fidelity-Simulator abstrakte Objektlisten bereit – etwa Fahrzeuge, Fußgänger und andere Verkehrsteilnehmer – die direkt in die Perzeptions- und Planungsalgorithmen eingespeist werden. Für detailliertere Tests generiert ein High-Fidelity-Simulator realistische, physikbasierte Sensordaten – darunter Kamerabilder, LiDAR-Punktwolken und Radarreflexionen – und bildet so die Rohsignale ab, wie sie von realen Fahrzeugsensoren erzeugt würden. Dieser Ansatz ermöglicht Closed-Loop-Tests der gesamten Wahrnehmungskette unter realitätsnahen Bedingungen. Entwickler können flexibel zwischen objektbasierten Simulationen (für Geschwindigkeit und Volumen) und physikalisch genauen Sensordaten (für höchste Realitätsnähe) wechseln – und so Effizienz und Aussagekraft ihrer ADS-Validierung maximieren.

Mit den integrierten Tools SynthData und SenVironment können Kamera- und LiDAR-Datenströme erzeugt und als ROS 2-Bags oder ASAM OSI (Open Simulation Interface) Dateien protokolliert werden. Diese Funktion eignet sich ideal zur Open-Loop-Validierung von Perzeptionssystemen – etwa zum Testen von Objekterkennungsalgorithmen auf tausenden variierter Szenen – sowie zur Ergänzung realer Datensätze beim Training KI-gestützter Wahrnehmungsmodelle. Alle synthetischen Daten sind zeitgestempelt und gelabelt, und können verschiedene Wetter-, Licht- und Verkehrssituationen simulieren. Dies schafft hochwertige, reproduzierbare Eingabedaten für Sensorfusion und Bildverarbeitung in ADAS-Systemen. Zusätzlich lassen sich komplette 3D-Szenen als FBX-Dateien exportieren, um sie visuell aufzubereiten oder in anderen Tools weiterzuverwenden.