高保真虛擬數(shù)據(jù)生成
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-05
高保真虛擬數(shù)據(jù)生成的視頻教程
基于AI模型和全頻譜仿真的高保真減振器虛擬調(diào)校
本次會議將展示 VI-grade緊湊型 FSS 模擬器的實時演示，同時還將播放來自 Astemo 實驗室的獨家視頻，展示模擬器集成硬件在環(huán)如何提供實時反饋，使工程師能夠以極高的靈敏度解決細微的調(diào)校變化。 您還將了解到，虛擬試驗場和激光掃描路面能夠模擬真實世界的輸入條件，從而實現(xiàn)更精確和可重復(fù)的減振器調(diào)校。
免費 28分鐘 26播放
查看
World Extractor × 3DGS：一日生成高保真仿真環(huán)境
如何快速打造高保真自動駕駛仿真環(huán)境，并保證數(shù)據(jù)合規(guī)？ 本視頻展示 World Extractor 依托自動標注與 3DGS 技術(shù)一日即可構(gòu)建的舊金山城市場景及辦公樓停車場景，同時可直接實現(xiàn)匿名化處理！
免費
查看
高保真虛擬數(shù)據(jù)生成的實例教程
bevformer官方代碼庫：https://github.com/fundamentalvision/BEVFormer/tree/master
bevformer論文：https://arxiv.org/pdf/2203.17270
四、總結(jié)
本文闡述了虛擬數(shù)據(jù)集在自動駕駛感知研究中的重要性，并介紹了基于 aiSim 仿真平臺生成的高保真虛擬感知數(shù)據(jù)集——SimData。 文章詳細說明了 SimData 的數(shù)據(jù)組成結(jié)構(gòu)與使用方法，并利用開源感知模型對其進行了檢測驗證，從而驗證了數(shù)據(jù)集的可用性與有效性。
后續(xù)，康謀團隊將發(fā)布更為詳盡的測試與對比報告，以進一步驗證 SimData 與真實數(shù)據(jù)集之間的高一致性。通過這一系列工作，我們不僅證明了 aiSim 仿真環(huán)境的高保真特性，也為研究者與開發(fā)者提供了一個高質(zhì)量、易用且可擴展的虛擬感知數(shù)據(jù)資源，以持續(xù)助力自動駕駛感知算法的研究與訓(xùn)練。
展開 在自動駕駛感知的下半場，數(shù)據(jù)已成為驅(qū)動算法迭代的核心燃料。然而，真實路測數(shù)據(jù)面臨著成本高昂、標注困難、極端場景（Corner Cases）難以覆蓋以及安全性受限等“卡脖子”問題。
面對這一核心痛點，虛擬仿真數(shù)據(jù)已成為解決方案中的關(guān)鍵角色，成為確保開發(fā)效率與安全性的不可或缺一環(huán)。免費獲取 | SimData高保真虛擬數(shù)據(jù)集開源發(fā)布，兼容nuScenes，開箱即用！文章中，簡單介紹了一下SimData數(shù)據(jù)集情況，本文將深度解析該SimData自動駕駛虛擬數(shù)據(jù)集——由aiSim仿真平臺構(gòu)建，從數(shù)據(jù)生產(chǎn)工具鏈、數(shù)據(jù)集結(jié)構(gòu)到基于BEVFormer的深度評測，全方位展示高保真合成數(shù)據(jù)的應(yīng)用價值。
一、 從仿真到標準格式的工具鏈
虛擬數(shù)據(jù)要真正落地，首要解決的是與現(xiàn)有主流數(shù)據(jù)格式的兼容性。SimData方案不僅提供數(shù)據(jù)，更提供了一套完整的aisim2buscenes自動化轉(zhuǎn)換工具鏈，并且構(gòu)建了虛擬數(shù)據(jù)集的評測流程框架。
虛擬數(shù)據(jù)集構(gòu)建以及評測流程框架
1、無縫兼容 nuScenes
我們開發(fā)了自動化腳本與GUI工具，實現(xiàn)了從aiSim導(dǎo)出數(shù)據(jù)到nuScenes標準格式的一鍵轉(zhuǎn)換。
格式對齊：自動將aiSim原始數(shù)據(jù)（TGA圖像、LAS點云、Radar JSON）轉(zhuǎn)換為nuScenes兼容格式（JPG、BIN、PCD）。
結(jié)構(gòu)一致：生成的文件夾結(jié)構(gòu)（maps, samples, sweeps, v1.0-custom）可直接被官方nuscenes-devkit解析，無需修改現(xiàn)有訓(xùn)練代碼。
智能切片：腳本支持多場景、多地圖轉(zhuǎn)換，默認每場景40關(guān)鍵幀（每10幀抽取1關(guān)鍵幀），自動處理非關(guān)鍵幀歸檔。
展開 從那時起，它在解析幾何中得到了廣泛的應(yīng)用，主要用于生成表面或封閉空間的網(wǎng)格模型以進行邊界條件分析。
Delaunay 三角剖分的示例
Delaunay 三角剖分是由非重疊三角形組成的逐點結(jié)構(gòu)，如上所示。當(dāng)擴展到平面或表面時，三角形不限于均勻性。我們現(xiàn)在知道 Voronoi 圖將空間分割成包圍生成點的多邊形。DT是Voronoi圖中細胞的神經(jīng)，稱為后者的幾何對偶。DT 主要用于創(chuàng)建可用于有限元分析和有限體積法求解器的網(wǎng)格，因為它的角度保證和快速三角測量算法可用。
使用 Voronoi 圖的 Cadence 高保真網(wǎng)格劃分
求解復(fù)雜的流動方程需要高度精確的網(wǎng)格劃分，而 Cadence CFD 產(chǎn)品組合提供網(wǎng)格劃分、求解和后處理解決方案，并與外部 CFD 工作流程兼容。網(wǎng)格生成是 CFD 工作流程中影響最大的步驟之一。它會影響解決方案的準確性、收斂性和仿真效率。我們強大的幾何準備功能縮短了創(chuàng)建高質(zhì)量網(wǎng)格所需的時間。
有許多可用的網(wǎng)格化途徑。我們快速生成的混合網(wǎng)格使用先進的層技術(shù)來生成近壁、邊界層解析棱鏡和六面體。為了細化和調(diào)整網(wǎng)格，聚類源提供了對遠離墻壁、近尾流、渦流和其他流動特征的網(wǎng)格分辨率的控制。
使用 Fidelity Cascade 技術(shù)的 CFD 工作流程。
我們最近對Cascade Technologies 的投資擴大了我們的高保真 CFD 解決方案組合。我們現(xiàn)在擁有高級模擬解決方案，可以在 CPU 和 GPU 上加速以減少周轉(zhuǎn)時間，從而使系統(tǒng)公司能夠提高他們設(shè)計和制造的系統(tǒng)的耐用性和性能。
Cadence Cascade 技術(shù)基于裁剪的 Voronoi 圖提供穩(wěn)健、快速和大規(guī)模并行的 3D 網(wǎng)格生成。這種網(wǎng)格劃分工具允許對各種填料、基于窗口的細化區(qū)域和近壁股線播種進行快速點播程序。
展開 圖12：高保真光追相機仿真示例
七、結(jié)語
至此，我們完成了從非結(jié)構(gòu)化道路需求分析，到OpenDRIVE邏輯構(gòu)建，再到UE與Blender聯(lián)合編輯，最終回歸aiSim仿真運行的完整技術(shù)路徑闡述。
回顧這一系列文章，我們可以看到aiSim所提供的并非單一的工具，而是一條貫穿“標準數(shù)據(jù)→邏輯地圖→高保真模型→閉環(huán)仿真”的技術(shù)通道。在這個通道中，嚴謹?shù)牡缆愤壿嬇c自由的藝術(shù)創(chuàng)造力得以結(jié)合，為智能駕駛測試構(gòu)建出既符合物理規(guī)律又充滿挑戰(zhàn)的虛擬驗證環(huán)境。通過在仿真中充分暴露并解決復(fù)雜路況下的潛在問題，最終的目標是讓每一次真實道路上的行駛，都能獲得更多的“平穩(wěn)”與“安全”。
展開 <p>隨著底盤開發(fā)對舒適性和NVH要求不斷提升，高保真的虛擬調(diào)校已成為縮短研發(fā)周期的關(guān)鍵。工程師不僅需要建立精確的減振器模型，更需要實現(xiàn)實時可調(diào)的沉浸式調(diào)校體驗。</p><p>本次網(wǎng)絡(luò)研討會將介紹Astemo如何將AI-MBD（基于神經(jīng)網(wǎng)絡(luò)的減振器模型）與全頻譜仿真相結(jié)合以優(yōu)化底盤開發(fā)流程，并展示VI-grade緊湊型FSS模擬器的實時演示、Astemo實驗室獨家視頻（呈現(xiàn)模擬器集成硬件在環(huán)如何提供實時反饋，使工程師能夠以極高靈敏度解決細微調(diào)校變化），同時講解虛擬試驗場和激光掃描路面如何模擬真實世界輸入條件，實現(xiàn)更精確可重復(fù)的減振器調(diào)校。
展開 
高保真虛擬數(shù)據(jù)生成的相關(guān)專題、標簽、搜索
高保真虛擬數(shù)據(jù)生成的最新內(nèi)容
<p>隨著底盤開發(fā)對舒適性和NVH要求不斷提升，高保真的虛擬調(diào)校已成為縮短研發(fā)周期的關(guān)鍵。工程師不僅需要建立精確的減振器模型，更需要實現(xiàn)實時可調(diào)的沉浸式調(diào)校體驗。</p><p>本次網(wǎng)絡(luò)研討會將介紹Astemo如何將AI-MBD（基于神經(jīng)網(wǎng)絡(luò)的減振器模型）與全頻譜仿真相結(jié)合以優(yōu)化底盤開發(fā)流程，并展示VI-grade緊湊型FSS模擬器的實時演示、Astemo實驗室獨家視頻（呈現(xiàn)模擬器集成硬件在環(huán)如何提供實時反饋
一、引言
在前兩篇文章中，我們系統(tǒng)闡述了非結(jié)構(gòu)化道路場景的構(gòu)建路徑。第一篇《如何高效構(gòu)建與測試非結(jié)構(gòu)化道路場景？》從宏觀層面剖析了非結(jié)構(gòu)化道路測試的必要性與技術(shù)挑戰(zhàn)，并介紹了aiSim通過集成外部工具實現(xiàn)邏輯路網(wǎng)與高真實感地形結(jié)合的總體解決方案。第二篇《從OpenDRIVE到Atlas：道路數(shù)據(jù)編輯與格式適配解析》則深入技術(shù)細節(jié)，說明了如何利用行業(yè)標準的OpenDRIVE格式，通過道路編輯器生成基礎(chǔ)道路邏輯
在自動駕駛感知的下半場，數(shù)據(jù)已成為驅(qū)動算法迭代的核心燃料。然而，真實路測數(shù)據(jù)面臨著成本高昂、標注困難、極端場景（Corner Cases）難以覆蓋以及安全性受限等“卡脖子”問題。
面對這一核心痛點，虛擬仿真數(shù)據(jù)已成為解決方案中的關(guān)鍵角色，成為確保開發(fā)效率與安全性的不可或缺一環(huán)。免費獲取 | SimData高保真虛擬數(shù)據(jù)集開源發(fā)布，兼容nuScenes，開箱即用！文章中，簡單介紹了一下SimData
bevformer官方代碼庫：https://github.com/fundamentalvision/BEVFormer/tree/master
bevformer論文：https://arxiv.org/pdf/2203.17270
四、總結(jié)
本文闡述了虛擬數(shù)據(jù)集在自動駕駛感知研究中的重要性，并介紹了基于 aiSim 仿真平臺生成的高保真虛擬感知數(shù)據(jù)集
我們注意到自然法則或自然法則驅(qū)動著各種科學(xué)現(xiàn)象。人類經(jīng)常復(fù)制自然發(fā)生的現(xiàn)象以獲得理想的結(jié)果，類似于科學(xué)家模仿光合作用產(chǎn)生能量的方式。可比較的是 Voronoi 幾何的情況。這些幾何形狀廣泛存在于蜂箱、海綿結(jié)構(gòu)、巖石碎片，甚至人類表皮細胞和骨骼中。如果這些幾何形狀可以應(yīng)用于高保真網(wǎng)格的計算流體動力學(xué) (CFD) 會怎么樣？
關(guān)于 Voronoi 圖
Voronoi 圖，或泰森多邊形圖
