随着智能网联汽车技术快速发展,高阶自动驾驶系统对测试验证能力提出更高要求。传统仿真技术在面对端到端算法时暴露出置信度不足、场景覆盖有限等问题,亟需技术升级以支撑产业规模化落地。

端到端智驾算法的兴起改变了传统测试模式。与模块化算法不同,端到端系统需要完整原始传感器数据进行整体仿真,对场景真实性和数据置信度要求极高。传统基于人工建模的仿真方式构建周期长、成本高,难以满足快速迭代需求。同时,高价值实采数据密度较低,数量和多样性不足以支撑大模型训练,形成了行业发展瓶颈。

针对这一挑战,51Sim推出基于4DGS技术的闭环仿真体系。该体系采用"重建+生成"双轮驱动模式,通过神经场景重建技术将真实视频转换为可用于仿真的4D场景,结合世界模型训练实现大规模合成数据生产。相关技术已在多家主机厂实现产业化落地,仿真测试与场地测试对比一致性达到92%。

在技术实现层面,该仿真体系融合3DGS与图形引擎,在静态层使用3D高斯重建道路环境,动态层采用高真实感3D模型,保留结构化动态场景仿真能力。物理级传感器仿真模型基于真实传感器标定,畸变和几何仿真精确度超过99.9%,图像质量精确度超过95%,确保多模态传感器一致性达到100%。

数据价值放大是该体系的突出特点。通过LogSim闭环仿真,可基于原始视频流实现主车变车道、对手车换车型和轨迹等场景仿真,将高价值数据进行成百上千倍放大。这一能力有效解决了端到端系统对数据丰富度的需求,实现了泛化性的跨数量级提升。

算力支撑方面,摩尔线程KUAE智算集群为神经场景重建、世界模型训练、合成数据生成等任务提供统一可扩展的算力底座,使多类训练与推理任务能够并行运行,为算法迭代和规模化验证提供基础设施保障。

应用效果显示,该仿真体系已助力北汽、长城等主机厂构建完整测试验证体系,支撑L3准入试点要求。动力学仿真、激光雷达仿真及摄像头仿真的置信度分别达到95%、95%、90%,智驾算法迭代效率较路测提升百倍,大幅降低了实车测试成本。

产业标准化方面,51Sim深度参与ASAM等国际标准制定,在OpenSCENARIO、OpenMaterial等标准领域发挥重要作用。其高级研发经理毛祖秋入选ASAM首批人才库,并获得年度标准先锋奖,推动行业标准化进程。

展望未来,高阶智驾仿真系统将从智能驾驶领域向具身智能等更广的物理AI应用场景拓展。随着技术成熟度提升和成本下降,基于AI驱动的仿真体系有望成为物理AI训练的基础设施,推动"仿真即运营"新模式的应用。"