仿真平台侧重于提供虚拟场景的搭建，以测试自动驾驶软件的性能，第一类是专门的自动驾驶模拟仿真软件，如Prescan、VTD、51sim-one、Panosim、GaiA等等。第二类是基于游戏引擎做的自动驾驶仿真软件，主要代表是基于Unity的Lgsvl Simulator、baidu-Unity，基于Unreal的Carla、Airsim等。第三类是基于一些机器人仿真软件做的自动驾驶仿真器，如基于ROS的Gazebo、rviz开发的仿真平台，基于blender开发的平台等等。现汇总如下：
开源平台：
1. CARLA（开源）
网址：https://carla.org/
简介：CARLA是一个开源的自动驾驶模拟器。它是从头开始构建的，用作模块化和灵活的API，以解决自动驾驶问题中涉及的一系列任务。CARLA的主要目标之一是帮助自动驾驶研发民主化，它是一种易于用户使用和定制的工具。为此，模拟器必须满足一般驾驶问题（例如学习驾驶策略，训练感知算法等）内不同用例的要求。CARLA基于Unreal Engine来运行模拟，并使用OpenDRIVE标准（今天为1.4）定义道路和城市环境。通过使用Python和C ++处理的API授予对模拟的控制权，该API随项目的发展而不断增长。
模拟器：由可扩展的客户端-服务器体系结构组成。CARLA API是在服务器和客户端之间进行中介的层，CARLA API（Python或C ++）。
CARLA可实现的功能：
Traffic manager：一种内置系统，除了用于学习的系统之外，还可以控制车辆。它充当了CARLA的指挥，以逼真的行为重塑了城市般的环境
Sensors：车辆依靠它们来分配周围环境的信息。在CARLA中，它们是车辆的一种特殊类型，可以检索和存储接收到的数据以简化过程。当前，该项目支持这些类型的不同类型，从摄像机到雷达，激光雷达等等。
Recorder：此功能用于逐步为世界上的每个actor重新模拟。它可以访问世界上任何地方的时间轴上的任何时刻，从而成为一个出色的跟踪工具。
ROS bridge and Autoware implementation：作为普遍性的问题，CARLA项目致力于将模拟器集成到其他学习环境中。
Open assets：CARLA通过控制天气条件和带有大量参与者的蓝图库，为城市环境提供了不同的地图。可以按照简单的准则自定义这些元素并生成新的元素。
Scenario runner：为了简化车辆的学习过程，CARLA提供了一系列路线，描述了要迭代的不同情况。这些也为CARLA挑战奠定了基础，让每个人都可以测试他们的解决方案，并跻身排行榜。
安装要求：
服务器端：运行高度逼真的环境将需要至少4GB的GPU。强烈建议使用专用GPU进行机器学习。
客户端： 要通过命令行访问API，必须使用Python。而且，互联网连接良好，并且有两个TCP端口（默认情况下为2000和2001）。
系统要求：任何64位操作系统都应运行CARLA。但是，从0.9.9版开始，CARLA无法在具有默认编译器的16.04 Linux系统中运行。这些应升级以与CARLA一起使用。
其他需求： 两个Python模块：Pygame可直接使用Python创建图形，而Numpy可实现出色的微积分。
git：https://github.com/carla-simulator/carla/
2.AirSim（开源）
网址：https://microsoft.github.io/AirSim/
简介：AirSim是一款基于Unreal Engine（我们现在还有一个实验性的Unity版本）构建的无人机，汽车等模拟器。它是开源，跨平台的，并通过流行的飞行控制器（例如PX4和ArduPilot）支持在环软件仿真，并通过PX4进行硬件在环仿真，以进行物理和视觉逼真的仿真。它是作为Unreal插件开发的，可以直接放入任何Unreal环境中。同样，我们有一个Unity插件的实验版本。
我们的目标是将AirSim开发为AI研究的平台，以对自动驾驶汽车的深度学习，计算机视觉和强化学习算法进行实验。为此，AirSim还公开API以平台无关的方式检索数据和控制车辆。
系统要求，支持：
v1.3.1适用于Windows和Linux的最新版本
升级到Unreal Engine 4.24，Visual Studio 2019，Clang 8，C ++ 17标准
Mac OSX Catalina、Linux、Windows、PX4支持
更新了airsim Python软件包，其中包含许多新的API
支持最新的PX4稳定版本
支持ArduPilot -直升机，罗孚汽车
更新了Unity支持
删除了simChar * API
绘制用于调试的API
提供用于多转子的ROS包装器。见airsim_ros_pkgs的ROS API，并airsim_tutorial_pkgs的教程。
在Ubuntu中添加了对Docker的支持
git：https://github.com/Microsoft/AirSim/commits/master
3.Lgsvl Simulator（开源）
网址：https://www.lgsvlsimulator.com/
简介：LG电子美国研发中心为自动驾驶汽车开发商开发了基于Unity的多机器人模拟器。我们提供了一个开箱即用的解决方案，可以满足希望专注于测试其自动驾驶算法的开发人员的需求。目前，它已与TierIV的Autoware和百度的Apollo 5.0 和Apollo 3.0平台集成，可以生成高清地图，并可以立即用于测试和验证整个系统，而无需进行自定义集成。我们希望通过开源我们的努力在机器人技术和自动驾驶汽车开发商之间建立协作社区。
要在Apollo中使用模拟器，请按照模拟器的构建步骤进行操作，然后按照Apollo 5.0 fork上的指南进行操作。
要将模拟器与Autoware结合使用，请构建模拟器，然后按照Autoware fork上的指南进行操作。
推荐系统：
4 GHz四核CPU
Nvidia GTX 1080（8GB记忆体）
Windows 10 64位
git：https://www.lgsvlsimulator.com/docs/getting-started/
4.Gazebo（开源）
网址：http://gazebosim.org/
简介：一种3D动态模拟器，能够在复杂的室内和室外环境中准确，高效地模拟机器人的数量。与游戏引擎类似，Gazebo以更高的保真度提供物理模拟，一套传感器以及用于用户和程序的界面。
典型用途包括：
测试机器人算法，
设计机器人
在实际情况下执行回归测试
Gazebo的一些关键功能包括：
多个物理引擎，
丰富的机器人模型和环境库，
各种各样的传感器，
方便的编程和图形界面
系统要求
Gazebo目前最好在Ubuntu（一种Linux风格）上使用。您将需要一台具有以下功能的计算机：
专用GPU，
Nvidia卡在Ubuntu中趋向良好
至少为Intel I5或同等水平的CPU
至少500MB的可用磁盘空间，
已安装Ubuntu Trusty或更高版本。
git：https://github.com/osrf/gazebo
5.Udacity self-driving car simulator（开源）
使用教程：https://blog.csdn.net/lucky_greenegg/article/details/77623756
Udacity最近在GitHub上发布了自动驾驶汽车模拟器的源代码，GitHub最初是用来教授自动驾驶汽车工程师纳米学位的学生的。
现在，任何人都可以利用这个有用的工具来训练你的机器学习模型来克隆驾驶行为。
git网址：https://github.com/udacity/self-driving-car-sim
6.Deepdrive（开源）
网址：https://deepdrive.voyage.auto/
文档网址：https://docs.deepdrive.io/
git：https://github.com/deepdrive/deepdrive
简介：Deepdrive通过OpenAI Baselines PPO2，在线排行榜，UnrealEnginePython集成等支持深度强化学习。
Deepdrive功能
1.轻松访问传感器数据
简单的界面可获取摄像机，深度和车辆数据，以构建和训练模型。
2.三种多样的地图
除了开放且可修改的5街区和城市景观环路外，Parallel Domain还提供了一张由25个街区组成的美丽的旧金山风格新地图。
3.先进的游戏内AI
游戏中的特工，可以智能地超越，跟随，引导和协商路口。
4.基准代理
包括深度强化学习 PPO2基线代理 和端到端MNET2模仿学习基线。
5.Python虚幻脚本
使用Python访问整个Unreal API。使用 UnrealEnginePython， 您可以读取任何属性，并在场景中的每个actor上调用任何方法。与使用C ==或Blueprints相比，UnrealEnginePython使用反射更容易地深入检查Unreal Engine对象。
模拟器要求：
Linux
Python 3.6+
10GB disk space
8GB RAM
收费部分：
1.Prescan（收费）
网址：https://tass.plm.automation.siemens.com/prescan
简介（非官网）：Prescan原作为ADAS测试仿真专用软件，近几年来由于无人驾驶技术的兴起，越来越多的无人驾驶团队迫切的需要一款软件来实现对无人驾驶车辆进行软件在环，硬件在环的检测。Prescan在其做智能辅助驾驶仿真的基础上，开发改进以满足无人驾驶仿真的需求，虽然还有部分缺陷，比如物理传感器暂未提供，车辆动力学模型性能不够，自由度不高，价格昂贵，只支持windows系统（现在几乎所有无人驾驶算法都在linux系统上运行），但是，仍然可以称作为无人驾驶仿真的大哥，这和它的优势如简单易上手，兼容性好，可以通过simulink支持多种语言开发验证算法等密切相关
2.VTD（收费）
网址：https://www.mscsoftware.com/product/virtual-test-drive
VTD是我们的工具包，用于在基于公路和铁路的模拟范围内创建，配置，呈现和评估虚拟环境。它用于开发ADAS和自动驾驶系统以及培训模拟器的核心。它涵盖了从生成3d内容到模拟复杂交通场景以及最终模拟简化或物理驱动传感器的整个范围。它用于SiL，DiL，ViL和HiL应用程序，也可以作为包括第3方或自定义程序包在内的协同仿真进行操作。通过其开放式和模块化设计，可以轻松进行接口和集成。
3.51Sim-One（收费 可申请试用）
网址：https://www.51hitech.com/values/simulation
http://ivt-doc.51hitech.com/#/README
简介：51Sim-One是51WORLD自主研发的一款集静态和动态数据导入，测试场景案例编辑，传感器仿真，动力学仿真，可视化，测试与回放，虚拟数据集生成等一体化的自动驾驶仿真与测试平台，功能模块覆盖自动驾驶仿真测试的全流程，兼具规模，高精度和高真实感，原生使用灵活可扩展的分布式并行仿真架构，可部署在单机，私有云，公有云的环境。
4.PanoSim（可申请试用）
网址：http://www.panosim.com/index.jsp
简介：PanoSim是一款面向汽车自动驾驶技术与产品研发的一体化仿真与测试平台，集高精度车辆动力学模型、高逼真汽车行驶环境与交通模型、车载环境传感器模型和丰富的测试场景于一体，支持与Matlab/Simulink联合无缝仿真，提供包括离线仿真、实时硬件在环仿真（MIL/SIL/HIL/VIL)和驾驶模拟器等在内的一体化解决方案；支持包括ADAS和自动驾驶环境感知、决策规划与控制执行等在内的算法研发与测试。PanoSim具有很强的开放性与拓展性，支持定制化开发，操作简便友好，已在美国通用汽车、德国戴姆勒汽车、上汽集团和东风汽车等企业和科研院所广泛使用。
5.Matlab/Simulink（可试用）
网址：https://www.mathworks.com/products/simulink.html
简介：汽车工程师使用 MATLAB® 和 Simulink® 设计自动驾驶系统功能，包括传感、路径规划以及传感器融合与控制。借助 MATLAB 和 Simulink，您能够：
使用针对计算机视觉、激光雷达和雷达处理以及传感器融合的预置算法、传感器模型和应用程序来开发感知系统。
使用组装完备的参考应用，在三维环境中设计控制系统并对车辆动态进行建模。
使用合成传感器模型创建驾驶场景，用以测试和验证系统。
使用专为自动驾驶设计的可视化。
通过设计和使用车辆代价地图和运动规划算法来规划驾驶路径。
减少为实现 ISO 26262 合规所需的工程投入。
使用代码生成产品自动生成 C 代码，以便进行快速原型设计和 HIL 测试。
6.IPG（收费）
网址：https://ipg-automotive.com/cn/
简介：虚拟车辆测试技术助您实现研发目标
IPG Automotive提供的测试技术能够帮助您在车辆研发阶段实现所有需求，并能显著提高开发效率。
7.FAAC SimDriver（收费）
网址：https://www.faac.com/realtime-technologies/products/simdriver/
简介：SimCreator DX的插件
SimDriver是一种自动驾驶汽车控制解决方案，可以评估在城市和高速公路驾驶环境中人与自动驾驶汽车的互动。SimDriver增进了对这种关系的理解，这对于确保安全的自动驾驶汽车至关重要。由于人为因素在自动驾驶技术的发展中起着关键作用，因此在仿真系统中从人为因素研究中得出的分析对于成功设计和应用ADAS或全自动驾驶至关重要。
SimDriver提供准确测量驾驶员行为所需的技术，重点是开发高度精确的驾驶员模型，以改善自动驾驶汽车和其他ADAS或联网汽车技术。无人驾驶汽车的行为举止的一个重要方面是驾驶员的注意力。由于在某些情况下可能需要人工控制车辆，因此具有准确的人员注意或警觉模型对于将安全功能实施到自动驾驶车辆系统中至关重要。SimDriver提供了一种高度先进的方法来测量注意力，以及在人为因素研究中起着至关重要作用的许多其他变量。
模拟器功能
围绕自动驾驶汽车使用的一个主要问题是，这会导致驾驶员疏离和注意力不集中，他们在必要时不准备控制汽车。SimDriver旨在帮助您创建场景，以测试驾驶员在瞬间注意到对自动驾驶汽车进行手动控制的能力。
自主模式
进入自动驾驶模式后，将通过SimDriver JavaScript来控制车辆，并且车辆停止接受驾驶员的输入。SimDriver JavaScript允许SimVista方案系统控制一系列条件，这是完整自动化方案的一部分。SimDriver将使车辆保持在道路上并保持指定的行进距离或所需的速度。更具体地说，一旦参与，自主控制将：
将汽车驶入当前车道的中心。
控制汽车的横向位置，使汽车保持在车道边界内。
将汽车的速度控制到用户定义的速度限制（如果已设置）或道路的最大合法速度限制。
在汽车和前方车辆之间保持可配置的行驶距离。
停止与固定车辆和障碍物的可配置距离。
始终保持在当前车道上，必要时穿越受控或非受控路口。
如果当前车道结束，SimDriver将尝试合并到新车道。
8.dspace（收费）
网址：https://www.dspace.com/en/pub/home.cfm
简介：全球汽车制造商和技术供应商都依靠dSPACE来实现自动驾驶的想法。我们提供所需的仿真和验证解决方案，包括SIL，HIL，原型，数据记录，数据重放，数据丰富，传感器逼真度，基于场景的测试，场景生成以及数据和测试管理。我们的产品组合包括可在PC，HIL模拟器或云中使用的解决方案。如果需要，我们还提供咨询服务。
未知但有
1.VISTA
2.TAD Sim 2.0