Source : arXiv:2311.11056v2 [cs.RO], 26 déc. 2023 (publication en revue non indiquée dans le PDF) · pas de DOI dans le PDF · Shanghai Jiao Tong University (Department of Automation ; Global Institute of Future Technology) · accès OPEN
· PDF ADSPlatforms2025-OpenSourceReview.pdf, sha256 83c1f6e66d89f465…, 18 pages
Lu le : 2026-11-02. LECTURE COMPLÈTE : texte intégral des pages 1 à 18 (corps, tableaux I à VIII, liste des références, notices d’auteurs). Les pages 6, 9, 10 et 12 (tableaux II à VIII) ont été relues sur la page rendue. Les 147 références ne sont pas rouvertes une à une, sauf [1], [2], [9] et celles citées ici.
Statut summarized.
Thème : autonomous · simulateurs pour la conduite autonome (revue)
Métadonnées vérifiées dans le PDF : auteurs Yueyuan Li, Wei Yuan, Songan Zhang, Weihao Yan, Qiyuan Shen, Chunxiang Wang, Ming Yang (le corpus ne garde que « Li, et al. »). Titre conforme (« Open-source » avec trait d’union dans le PDF). Année : l’arXiv v2 est datée de décembre 2023 (corpus : 2023, conforme ; la clé ADSPlatforms2025-… dit 2025, écart de clé, non renommée). Pas de DOI.
Contexte et question
Plus de 50 % des méthodes publiées en conduite autonome en 2022-2023 sont entraînées ou testées en simulation, et plus de 70 % pour la prise de décision (§I, p. 1). Les revues existantes listent surtout les simulateurs disponibles et leurs fonctions (§II, p. 2). Les auteurs veulent une analyse de l’évolution, une taxonomie par tâche, des recommandations, et un catalogue des défauts qui menacent la validité des expériences en simulation.
Méthode
- Revue de littérature et de dépôts, centrée sur les simulateurs « influents » : plus de 100 citations Google Scholar ou plus de 100 étoiles GitHub. Un simulateur sans mise à jour depuis plus d’un an est réputé non maintenu et marqué d’un point d’interrogation (§IV, p. 4 ; Tab. I, p. 5).
- Histoire en trois périodes d’après le nombre de simulateurs publiés par an (Fig. 1, p. 3) : incipiente (avant 2000), dormante (2000-2015), explosion, « outbreak » (depuis 2016 dans §III ; « 2015-present » dans la conclusion, p. 11).
- Taxonomie en cinq classes : flux de trafic, données capteurs, politique de conduite, dynamique du véhicule, complet (§IV, Fig. 2 et Tab. I).
- Trois familles de défauts : fidélité (capteurs, scénario de trafic, dynamique véhicule), efficacité (construction de cartes, simulateur), incohérence des formats de données (§V, Fig. 3, p. 7).
Données
Pas de campagne expérimentale. Le tableau VIII (exigences matérielles, plateformes, calcul accéléré, distribué, sans affichage) est établi d’après la documentation officielle des simulateurs (§V-F, p. 11). Le texte ne donne pas de source pour les tableaux II à VII. Seuls les simulateurs open source activement maintenus sont détaillés.
Résultats chiffrés
| Constat | Valeur | Source |
|---|---|---|
| Part des méthodes testées en simulation, 2022-2023 | plus de 50 % ; plus de 70 % pour la décision | §I, p. 1 |
| Kilométrage pour valider un véhicule autonome par essais réels seuls | 215 milliards de miles (citant Kalra et Paddock) | §I, p. 1 ; §V-F, p. 11 |
| Accélération de l’évaluation par simulation adaptée | 10³ à 10⁵ fois (citant Feng et al., réf. [2]) | §I, p. 1 |
| Seul simulateur de flux de trafic open source maintenu | SUMO | §IV-A, p. 4 |
| Seul simulateur complet open source maintenu | CARLA | §IV-E, p. 7 |
| Capteurs de CARLA | caméra RGB, profondeur, événementielle, LiDAR, radar (les cinq) | Tab. II, p. 6 |
| Météo de CARLA | nuit, nuageux, pluie, brouillard ; pas de neige | Tab. IV, p. 6 |
| Neige simulée par AirSim, SVL, Vista, CARLA | aucun | Tab. IV, p. 6 |
| Moteur physique tiers, selon le texte | la moitié des simulateurs open source maintenus ; les autres, un modèle bicyclette | §V-C, p. 9 |
| Moteur physique et modèle bicyclette, selon le Tab. VI | 6 simulateurs avec moteur tiers (Webots, CarRacing, SMARTS, L2R, MetaDrive, CARLA), VDrift « Custom », 7 avec modèle bicyclette (CommonRoad, highway-env, SMARTS, NuPlan, InterSim, TBSim, Waymax), SUMO ni l’un ni l’autre | Tab. VI, p. 9 |
| Prérequis minimaux CARLA (disque, mémoire, GPU) | 20 GB, 8 GB, 8GB | Tab. VIII, p. 12 |
| Prérequis minimaux SUMO | 512 MB, 128 MB, sans GPU | Tab. VIII, p. 12 |
| Simulateurs avec accélération du calcul | Webots et Waymax seuls | Tab. VIII, p. 12 |
| Simulateurs avec calcul distribué | SMARTS, MetaDrive, Waymax | Tab. VIII, p. 12 |
Ancres des cinq chiffres principaux : « over 70% of publications underwent verification in simulators » (§I, p. 1) ; « The estimated 215 billion miles for validating » (§V-F, p. 11) ; « SUMO stands out as the only actively maintained » (§IV-A, p. 4) ; « The only open-source comprehensive simulator confirmed to » (§IV-E, p. 7) ; « Half of the simulators integrate a third-party physics » (§V-C, p. 9). Les valeurs des tableaux II, IV, VI et VIII sont lues sur la page rendue, non dans le texte extrait.
Recommandations par tâche (§IV) : SUMO pour la planification du trafic, la conception du contrôle, la conception d’infrastructure et le V2X ; CARLA pour synthétiser des données capteurs ; Gazebo pour la dynamique du véhicule, Matlab pour les institutions qui collaborent avec MathWorks ; pour la politique de conduite, choix laissé au lecteur d’après le tableau V (p. 6).
Défauts relevés (§V) :
- Fidélité des capteurs : les météos reposent sur les systèmes de particules des moteurs de jeu, et n’affectent souvent que le rendu, sans bruit ajouté sur LiDAR ou radar (p. 7). Les auteurs conseillent d’éviter de se fier entièrement aux données simulées pour la perception (§IV-B, p. 6).
- Fidélité du trafic : rejeu de trajectoires réelles (plafond au comportement humain) ou modèles à règles aux comportements simples (§V-B, p. 8).
- Fidélité de la dynamique : la plupart de ces modèles physiques ne sont fidèles que pour de faibles vitesses, accélérations et angles de braquage (§V-C, p. 9).
- Formats : très peu de simulateurs supportent les formats publics de cartes (SUMO Road Network, OSM, OpenDRIVE, Lanelet2) et de scénarios (OpenSCENARIO, Scenic). Au Tab. VII (p. 10), Lanelet2 n’est lu que par CommonRoad, Scenic que par CARLA, OpenSCENARIO par CommonRoad et CARLA (§V-D, p. 9-10).
Limites déclarées par les auteurs
- Seuls les simulateurs open source maintenus sont analysés en détail ; les commerciaux ne servent qu’à l’histoire et à la taxonomie (§IV, p. 4).
- La couverture est limitée aux simulateurs « relativement influents » (seuils ci-dessus), non à tous (§IV, p. 4).
- Les catégories se recouvrent : « certain simulators may exhibit some overlap in functionalities » (§IV, p. 4).
- Les pistes d’amélioration viennent de la littérature existante (§V, p. 7) ; les méthodes de reconstruction automatique de cartes « are unsuitable for practical implementation at present » (§V-E, p. 10-11).
Ce que ça change pour Teleforge (interprétation, hors de l’article)
- L’article ne parle pas de simulation inertielle ni GNSS (aucune occurrence de IMU, GNSS ou GPS dans le PDF) : aucune de ses classes ne vise la génération de séries IMU et GNSS. C’est notre inférence, pas un constat des auteurs, et elle ne vaut qu’à l’échelle des simulateurs « influents » qu’ils ont retenus.
- Le défaut « fidélité de la dynamique du véhicule » (§V-C) est celui qui touche une simulation de signaux inertiels : modèle bicyclette valable à faible dynamique seulement, donc suspect pour les manoeuvres vives.
- La grille de lecture (tâche visée, maintenance, besoins matériels) sert de modèle pour décrire notre propre simulateur : tableau VIII, CARLA demande un GPU de 8 GB, une contrainte à comparer à celle d’un simulateur de signaux sans rendu 3D.
- La proposition de plateforme de partage de données de dynamique réelle (§V-C) rejoint l’intérêt de publier des jeux de mesures bord.
- Le papier est une référence de paysage, à citer avec prudence : un état de l’art de fin 2023, dont les statuts de maintenance ont pu changer.