CARLA-Air：在 CARLA 世界里飞无人机

想象这样一个场景：你坐在一辆特斯拉 Model 3 里在城市道路上巡航，车窗外细雨朦胧。与此同时，一架四旋翼无人机正在你头顶 25 米处盘旋，实时将 RGB 摄像头、深度图和语义分割画面传回终端——这两种视角，来自同一个物理世界，同一个仿真引擎，没有桥接延迟。这就是 CARLA-Air 所做的事。

背景：仿真器割裂的困局

自动驾驶和无人机研究长期面临"工具链分裂"问题。想做城市驾驶仿真？用 CARLA。想做无人机飞行控制？用 AirSim 或者 Gazebo/RotorS。想研究空地协同？那就需要同时跑两个仿真器，再写一套同步桥接层——这往往是 1-5ms 的通信延迟、频繁的同步失败，以及大量工程精力的消耗。

现有方案如 CARLA+SUMO 联合仿真解决了交通问题，但不支持无人机；AirSim+Gazebo 桥接可以做飞行仿真，但缺少高保真城市场景和车辆交通。15 款主流仿真器的横向对比表明：没有任何一个现有平台能同时支持城市交通、多旋翼飞行、单进程集成、共享渲染器、原生 API 和预编译包这六项能力——直到 CARLA-Air 的出现。

图1：CARLA（左手系，UE4）与 AirSim（NED 坐标系）的精确对齐，误差 0.0000 m

技术方案：继承+组合，35 行代码的集成哲学

CARLA-Air 的核心设计哲学极为克制：仅修改上游 CARLA 两个文件，共约 35 行代码。CARLAAirGameMode 继承 CARLA 的 GameMode，然后组合 AirSim 的多旋翼机体，从而在单一 Unreal Engine 4.26 进程中同时运行两套物理引擎和两套 API。

这种"继承+组合"的设计带来了几个关键优势：

坐标系精确对齐：CARLA 使用左手系（UE4），AirSim 使用 NED 坐标系，CARLA-Air 通过坐标变换矩阵实现了零误差对齐（0.0000 m），确保车辆和无人机在物理空间中的相对位置是准确的。

共享渲染器：两套传感器（最多 18 种模态）共用同一个渲染管线，相比桥接方案的 1-5ms 延迟，CARLA-Air 的联合负载延迟 < 0.5 ms。这意味着感知策略可以真正做到空地联合闭环，而不只是名义上的"联合"。

零修改迁移：已有的 CARLA Python 脚本和 AirSim Python 脚本无需任何改动，可直接在 CARLA-Air 上运行。项目方测试了 89/89 个 CARLA API，全部通过。

核心功能拆解

空地联合仿真

用户通过两个端口同时连接 CARLA（端口 2000）和 AirSim（端口 41451）API，在同一行 Python 代码中即可操控车辆和无人机。例如：设置一次天气变化会同时影响地面车辆和空中无人机的传感器输出；生成一辆自动驾驶汽车后，再生成一架无人机，两者自动处于同一物理时空。

18 种同步传感器

平台支持 RGB、深度图、语义分割、实例分割、LiDAR、雷达、表面法线、IMU、GNSS、气压计等 18 种传感器模态。地面车辆和空中无人机的传感器逐帧对齐（1-tick 对齐），支持极端天气条件下的多模态数据集采集（14/14 天气预设验证通过）。

内置 FPS 无人机控制

无需编写 Python 脚本，在仿真器视口中使用 WASD + 鼠标即可直接驾驶无人机，Space/Shift 控制升降，Scroll Wheel 调节速度，N 键切换天气，P 键切换碰撞模式。对于快速验证飞行策略或调试相机视角非常实用。

自动交通与行人

规则驱动的城市交通流、具有社会行为的行人、13 张城市地图。开箱即有的录制工具支持车辆、无人机和行人轨迹的录制，并可通过导演相机回放，输出 MP4。

ROS 2 集成

2026 年 4 月上线的 ROS 2 示例（examples/ros2/）实现了车/机传感器的轻量桥接脚本，预设 RViz 2 布局，直连 ROS 2 Humble，无需编译 carla-ros-bridge。覆盖 63 个 ROS 2 话题。

架构与代码结构

图2：空中多旋翼传感器配置与地面车辆协同场景示意

项目代码结构清晰：LibCarla/source/ 包含核心 C++ 改动（carla 命名空间下的编译器模块和测试）；PythonAPI/ 提供双语言封装；examples/ 包含 6 个核心演示脚本和 8 个渐进式教程；Util/Docker/ 包含 5 个分层 Dockerfile（Base、CI、Development、Release、Runtime），支持从源码编译到生产运行的全流程。

技术栈横跨 C++（Unreal Engine 原生）、Python（CARLA/AirSim API）、Bash（环境配置脚本）、CMake（构建系统），以及 ROS 2 和 Docker 容器化支持。

上手门槛评估

推荐方式（预编译包）：官方在 HuggingFace 和百度网盘提供了 Ubuntu 20.04/22.04 和 Windows 11 的开箱即用二进制包。安装流程简化为：下载 → 解压 → 一键环境配置 → 启动仿真器 → 运行示例脚本。对于只需要验证算法的研究者，这是最友好的路径。

编译方式：源码编译依赖 Unreal Engine 4.26、CUDA、Vulkan SDK 等重型工具链，Dockerfile 提供了容器化编译环境，但预编译 UE 资源仍然需要约 100GB 磁盘空间和强大的 GPU。

硬件要求：需要 NVIDIA GPU（Vulkan 支持）+ 8GB+ VRAM + 16GB+ RAM + 100GB+ 磁盘。CPU 性能影响仿真 FPS（联合负载约 20 FPS）。

非商业许可：项目采用自定义非商业许可证，基于 CARLA（MIT）和 AirSim（MIT），但 CARLA 资产遵循 CC-BY License，商用部署前需确认授权范围。

局限与挑战

1. 联合负载瓶颈：联合模式下约 20 FPS，在强化学习高频率决策场景下可能不足。项目方正在优化高密度 Actor 场景下的行为。

2. 非商业限制：许可证明确禁止商业使用，对创业公司或商业产品团队不友好。

3. Windows 平台支持较新：Windows 源码分支（v0.1.7-win11-x86_64）于 2026 年 4 月才发布，生态成熟度不如 Linux 版本。

4. 教程文档仍在完善：路线图显示"教程文档"尚未完成，目前只有代码示例和分步指南，完整文档体系有待建设。

5. 多无人机支持缺失：当前仅支持单机-单无人机配置，多无人机编队协同是路线图中的待办项。

行业意义与未来

CARLA-Air 于 2026 年 4 月 1 日登顶 Hugging Face Daily Papers（No.1 Paper of the Day），论文被引用于 arXiv:2603.28032。项目填补了空地一体具身智能仿真领域的关键空白——首个同时支持城市驾驶 + 无人机飞行 + 零修改迁移 + 单进程集成 + 共享渲染器的开源仿真平台。

从研究趋势看，具身智能正在从单智能体向异构多智能体协作演进（空中-地面机器人协同），但仿真工具的割裂严重制约了算法验证效率。CARLA-Air 的出现让研究者可以在一个统一的时空中进行空地协同的感知、规划和控制研究，大幅降低了联合仿真实验的工程门槛。

技术路线图显示，3DGS 渲染管线集成、World Model 集成和多无人机支持将是下一步重点方向，这些也是当前具身 AI 研究的前沿热点。