第4章物理引擎对比

4、物理引擎对比：Carla基于Unreal Engine的物理模拟、LGSVL基于Unity的物理模拟、碰撞检测与车辆动力学差异

聊到自动驾驶仿真，物理引擎这块儿，我个人的看法是——它决定了你的仿真到底有多“真”。

Carla和LGSVL，一个基于Unreal Engine，一个基于Unity。这两大游戏引擎的物理模拟，说白了就是两个不同的“物理世界”。你想想看，游戏引擎本身就不是为自动驾驶设计的，但咱们硬是把它拉来干活。所以，理解它们的差异，能帮你少踩很多坑。

4.1 物理引擎的底层差异

先说说Carla这边。它用的是Unreal Engine 4的物理系统，底层是NVIDIA PhysX。PhysX在刚体动力学、碰撞检测上做得非常成熟。我最早接触Carla时，第一感觉就是——轮胎和地面的摩擦感很“沉”，有点像真车。

为什么会这样？因为Unreal的物理引擎默认对质量、惯性、摩擦系数这些参数做了比较精细的建模。你调一个轮胎的摩擦系数，车子的过弯表现就会有明显变化。我个人习惯在Carla里做车辆动力学标定时，会先调轮胎的纵向摩擦和侧向摩擦，这两个参数直接影响车辆的加速和转向响应。

LGSVL这边，用的是Unity的物理引擎，底层也是PhysX（Unity从2019版本开始集成了自家的DOTS物理，但LGSVL主要用的还是传统PhysX）。不过，Unity的物理系统在默认参数上，和Unreal有一些微妙的差别。

核心差异点：

时间步长（Timestep）：Unreal默认物理步长是60Hz，Unity默认是50Hz。别小看这10Hz的差距，在高速碰撞场景下，Carla的碰撞检测会更细腻一些。
求解器迭代次数：Unreal默认的约束求解迭代次数比Unity多。这意味着Carla在处理多物体碰撞时，稳定性更好。
摩擦模型：两者都用了库仑摩擦模型，但Unreal对静摩擦和动摩擦的过渡处理更平滑。

我记得有一次，我在LGSVL里做泊车仿真，车子轻轻蹭到路沿，结果直接弹飞了。排查了半天，发现是Unity的碰撞体边缘处理不够平滑，加上物理步长偏低，导致碰撞瞬间的冲量计算出了问题。嗯，这里要注意——如果你在LGSVL里做低速碰撞场景，建议把物理步长调到60Hz以上。

4.2 碰撞检测的差异

碰撞检测，说白了就是判断两个物体有没有“碰到”。但自动驾驶仿真里的碰撞检测，比游戏里复杂得多。

Carla的碰撞检测，我总结一下：精度高，但开销大。它默认使用离散碰撞检测（Discrete Collision Detection），对于高速运动的车辆，偶尔会出现“穿透”现象。不过Carla提供了连续碰撞检测（CCD）的选项，开启后能有效避免穿透。代价是性能下降明显。

LGSVL这边，碰撞检测的默认配置更偏向性能。Unity的物理引擎在处理大量物体时，会做一些“偷懒”的优化，比如碰撞体的简化、碰撞检测的跳过等。这在游戏里没问题，但在自动驾驶仿真里，可能会漏掉一些细微的碰撞。

我的建议：

如果你做的是高速场景（比如高速公路上的紧急避让），建议用Carla，它的CCD更可靠。如果你做的是低速场景（比如园区、停车场），LGSVL完全够用，而且性能更好。

我曾经在Carla里做过一个测试：两辆车以80km/h的相对速度对向行驶，然后让它们轻微擦碰。Carla的CCD能准确捕捉到每一次接触，而LGSVL在同样设置下，有大约5%的概率会出现穿透。这个概率不高，但在自动驾驶测试中，5%的漏检是不能接受的。

4.3 车辆动力学的差异

车辆动力学，这是仿真里最核心的部分。Carla和LGSVL都提供了车辆动力学模型，但实现方式完全不同。

Carla的车辆动力学模型，是基于一个简化的自行车模型（Bicycle Model）加上轮胎的Pacejka魔术公式。它考虑了纵向力、侧向力、横摆力矩、悬挂系统等。我个人觉得，Carla的动力学模型更接近真实的车辆动力学仿真软件（比如CarSim、IPG CarMaker）。

LGSVL的车辆动力学模型，相对简单一些。它用的是基于刚体动力学的简化模型，轮胎模型是线性的。说白了，就是假设轮胎的侧偏刚度是常数，不考虑轮胎的非线性特性。这在低速、小转向角的情况下没问题，但一旦到了极限工况（比如急转弯、湿滑路面），LGSVL的模型就不太准了。

对比项	Carla（Unreal）	LGSVL（Unity）
轮胎模型	Pacejka魔术公式（非线性）	线性轮胎模型
悬挂系统	支持独立悬挂、扭力梁	简化弹簧阻尼模型
空气动力学	支持（可配置阻力、升力）	不支持
传动系统	支持发动机、变速箱、差速器	简化扭矩模型
转向系统	支持阿克曼转向、转向比可调	简化转向模型

你看这个表格，差距还是挺明显的。Carla的动力学模型，基本上覆盖了真实车辆的主要子系统。而LGSVL的模型，更像是一个“玩具车”级别的简化。

避坑指南：

我曾经在LGSVL里做车辆横向控制算法的验证，发现同样的PID参数，在LGSVL里表现很好，但放到真车上就完全不行。后来分析发现，LGSVL的线性轮胎模型忽略了轮胎的非线性特性，导致控制器的鲁棒性被高估了。所以，如果你要做控制算法的验证，建议用Carla，或者至少用LGSVL时，把轮胎模型换成非线性的（LGSVL支持自定义动力学插件）。

4.4 实际项目中的选择建议

说了这么多，到底该选哪个？我的看法是：看你的需求。

如果你做的是感知算法开发：LGSVL的物理引擎够用，而且它的传感器仿真（尤其是LiDAR）做得不错。
如果你做的是规划控制算法开发：建议用Carla，它的动力学模型更真实，能帮你发现更多问题。
如果你做的是整车级仿真：Carla是更好的选择，它的物理引擎和动力学模型更接近真实车辆。
如果你需要快速原型验证：LGSVL的部署更简单，上手更快。

嗯，最后说一句。物理引擎这东西，没有绝对的好坏。关键是你得知道它的局限性。我在项目里经常是Carla和LGSVL混着用——用Carla做高保真的动力学验证，用LGSVL做大规模的感知数据采集。两者互补，效果更好。