高保真虛擬數據生成的案例
SimData：基于aiSim的高保真虛擬數據集生成方案
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
本文闡述了虛擬數據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據集——SimData。 文章詳細說明了 SimData 的數據組成結構與使用方法，并利用開源感知模型對其進行了檢測驗證，從而驗證了數據集的可用性與有效性。
后續，康謀團隊將發布更為詳盡的測試與對比報告，以進一步驗證 SimData 與真實數據集之間的高一致性。通過這一系列工作，我們不僅證明了 aiSim 仿真環境的高保真特性，也為研究者與開發者提供了一個高質量、易用且可擴展的虛擬感知數據資源，以持續助力自動駕駛感知算法的研究與訓練。
展開 SimData深度解析：高保真虛擬數據集的構建與評測
在自動駕駛感知的下半場，數據已成為驅動算法迭代的核心燃料。然而，真實路測數據面臨著成本高昂、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，虛擬仿真數據已成為解決方案中的關鍵角色，成為確保開發效率與安全性的不可或缺一環。免費獲取 | SimData高保真虛擬數據集開源發布，兼容nuScenes，開箱即用！文章中，簡單介紹了一下SimData數據集情況，本文將深度解析該SimData自動駕駛虛擬數據集——由aiSim仿真平臺構建，從數據生產工具鏈、數據集結構到基于BEVFormer的深度評測，全方位展示高保真合成數據的應用價值。
一、 從仿真到標準格式的工具鏈
虛擬數據要真正落地，首要解決的是與現有主流數據格式的兼容性。SimData方案不僅提供數據，更提供了一套完整的aisim2buscenes自動化轉換工具鏈，并且構建了虛擬數據集的評測流程框架。
虛擬數據集構建以及評測流程框架
1、無縫兼容 nuScenes
我們開發了自動化腳本與GUI工具，實現了從aiSim導出數據到nuScenes標準格式的一鍵轉換。
格式對齊：自動將aiSim原始數據（TGA圖像、LAS點云、Radar JSON）轉換為nuScenes兼容格式（JPG、BIN、PCD）。
結構一致：生成的文件夾結構（maps, samples, sweeps, v1.0-custom）可直接被官方nuscenes-devkit解析，無需修改現有訓練代碼。
智能切片：腳本支持多場景、多地圖轉換，默認每場景40關鍵幀（每10幀抽取1關鍵幀），自動處理非關鍵幀歸檔。
展開 使用 Voronoi 圖生成高保真 CFD 網格
從那時起，它在解析幾何中得到了廣泛的應用，主要用于生成表面或封閉空間的網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構，如上所示。當擴展到平面或表面時，三角形不限于均勻性。我們現在知道 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，稱為后者的幾何對偶。DT 主要用于創建可用于有限元分析和有限體積法求解器的網格，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 高保真網格劃分
求解復雜的流動方程需要高度精確的網格劃分，而 Cadence CFD 產品組合提供網格劃分、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建高質量網格所需的時間。
有許多可用的網格化途徑。我們快速生成的混合網格使用先進的層技術來生成近壁、邊界層解析棱鏡和六面體。為了細化和調整網格，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格分辨率的控制。
使用 Fidelity Cascade 技術的 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 上加速以減少周轉時間，從而使系統公司能夠提高他們設計和制造的系統的耐用性和性能。
Cadence Cascade 技術基于裁剪的 Voronoi 圖提供穩健、快速和大規模并行的 3D 網格生成。這種網格劃分工具允許對各種填料、基于窗口的細化區域和近壁股線播種進行快速點播程序。
展開 高保真仿真地圖生成：UE+Blender協同編輯的實現路徑
圖12：高保真光追相機仿真示例
七、結語
至此，我們完成了從非結構化道路需求分析，到OpenDRIVE邏輯構建，再到UE與Blender聯合編輯，最終回歸aiSim仿真運行的完整技術路徑闡述。
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“標準數據→邏輯地圖→高保真模型→閉環仿真”的技術通道。在這個通道中，嚴謹的道路邏輯與自由的藝術創造力得以結合，為智能駕駛測試構建出既符合物理規律又充滿挑戰的虛擬驗證環境。通過在仿真中充分暴露并解決復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”與“安全”。
展開 
基于AI模型和全頻譜仿真的高保真減振器虛擬調校【5.19 直播預告】
<p>隨著底盤開發對舒適性和NVH要求不斷提升，高保真的虛擬調校已成為縮短研發周期的關鍵。工程師不僅需要建立精確的減振器模型，更需要實現實時可調的沉浸式調校體驗。</p><p>本次網絡研討會將介紹Astemo如何將AI-MBD（基于神經網絡的減振器模型）與全頻譜仿真相結合以優化底盤開發流程，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（呈現模擬器集成硬件在環如何提供實時反饋，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，實現更精確可重復的減振器調校。
展開 