一、行業(yè)挑戰(zhàn)與痛點

在自動駕駛開發(fā)中，高保真的仿真場景是算法迭代和驗證的基石。然而，傳統(tǒng)手工建模方式需要大量3D設(shè)計師投入，構(gòu)建一個復(fù)雜交通環(huán)境往往耗時數(shù)月甚至半年以上；同時，城市、高速、停車場等多種運營設(shè)計域（ODD）都需要覆蓋，場景的可擴展性與多樣性一直是瓶頸。

更重要的是，隨著自動駕駛系統(tǒng)從模塊化架構(gòu)向端到端系統(tǒng)級演進，仿真平臺不僅要驗證感知、決策和控制單元的單點性能，更要在同一環(huán)境中評估OneModel/TwoModel協(xié)同的整體表現(xiàn)，這意味著：

（1）測試場景必須與真實世界盡量一致，以避免在端到端鏈路上引入虛假偏差；

（2）需要靈活修改傳感器布局、天氣和交通流量來覆蓋邊界工況；

（3）要同時支持SIL（軟件在環(huán)）、HiL（硬件在環(huán)）、DiL（駕駛員在環(huán)）等多級仿真，并在同一數(shù)字孿生環(huán)境下復(fù)現(xiàn)。

然而，即使采用高保真物理渲染，仿真數(shù)據(jù)與真實世界之間依然存在域間差距（domain gap），端到端仿真測試因而受限，算法開發(fā)和功能安全驗證被拖慢。

這類端到端測試需要用戶能夠自主、快速地采集真實世界數(shù)據(jù)并生成高保真數(shù)字孿生，以便隨時迭代場景并適配不同的傳感器布置和測試條件。傳統(tǒng)的外包式建模服務(wù)或半成品工具鏈，難以滿足客戶對自助操作和敏捷迭代的要求。

二、World Extractor 工具鏈簡介

針對這些痛點，康謀推出的 World Extractor 已經(jīng)不只是一個“內(nèi)部項目工具"，而是一個成熟、可商用、可自助使用的端到端工具鏈。它集成了 NeRF 與 3D Gaussian Splatting 等前沿神經(jīng)重建技術(shù)，用戶只需將自己的實地錄制數(shù)據(jù)（如車隊采集的多傳感器數(shù)據(jù)）導(dǎo)入，即可在數(shù)天內(nèi)自動生成靜態(tài) 3D 世界，無需專業(yè) 3D 建模師。

World Extractor工作前端用于評估采集數(shù)據(jù)質(zhì)量和場景回放

在此基礎(chǔ)上，用戶可以通過內(nèi)置的 2000+ 動態(tài)主體資產(chǎn)庫自主增強場景，添加車輛、行人、交通燈、標(biāo)志牌等元素，并根據(jù)測試需求調(diào)整 ODD、時間、天氣和交通流量。

整個過程不再依賴團隊手工制作，客戶可以掌握采集、生成和仿真流程，形成自己的數(shù)字孿生資產(chǎn)庫，并與康謀 aiSim 直接聯(lián)動。

三、與aiSim的無縫集成

World Extractor 的價值在于與 aiSim 的原生集成。通過“神經(jīng)重建 + 物理引擎"的混合渲染方式，既能保留真實世界的紋理和幾何細節(jié)，又能獲得物理上精確的傳感器輸出。

在 aiSim 中，用戶可一鍵配置多傳感器仿真，包括攝像頭、雷達、激光雷達、超聲波傳感器等，靈活調(diào)整天氣、光照和時間條件，驗證在少見場景下的算法表現(xiàn)。

1、關(guān)鍵優(yōu)勢

World Extractor + aiSim的關(guān)鍵優(yōu)勢在于：

（1）自動化管線：將高保真 3D 環(huán)境生成周期從傳統(tǒng)的 3–6 個月縮短到 1 天，實現(xiàn)真正意義上的“日級數(shù)字孿生"。

（2）傳感器無關(guān)：覆蓋攝像頭、雷達、激光雷達等所有主流傳感器模式，與大多數(shù)只關(guān)注單一傳感器的競爭產(chǎn)品相比更全面。

（3）新視角：即使偏離原始采集軌跡，依然能保持高精度渲染和傳感器一致性，適合多變路徑和復(fù)雜測試工況。

（4）量化驗證：通過感知功能等量化指標(biāo)，域間差距極小，提供比純質(zhì)性評估更可的驗證依據(jù)。

2、客戶案例

歐洲某乘用車OEM有構(gòu)建3D孿生場景地圖，并基于aiSim開展SiL、HiL和DiL仿真測試的需求。

為滿足該需求，解決方案是利用aiSim、World extractor工具鏈（涵蓋采集、可視化分析、3DGS模型和自動標(biāo)注功能），為客戶多個團隊創(chuàng)建覆蓋不同ODD的3D環(huán)境，這些環(huán)境可直接用于aiSim及客戶基于UE構(gòu)建的DiL系統(tǒng)。

本項目KPI是采用World Extractor生成高質(zhì)量合成數(shù)據(jù)，避免重復(fù)采集數(shù)據(jù)測試新傳感器方案，且將原本3 - 6月的數(shù)字孿生時間縮短到1天。

具體實施步驟為：

客戶自有數(shù)采車隊采集場景數(shù)據(jù)，用于3DGS場景重建；

基于采集數(shù)據(jù)構(gòu)建3D模型，支持高保真交通、場景和傳感器仿真；

訓(xùn)練3DGS數(shù)據(jù)孿生場景，并無縫導(dǎo)入aiSim中使用；

提供客戶自有UE引擎DiL模擬工具，實現(xiàn)駕駛員參與的閉環(huán)仿真測試。

四、總結(jié)

在自動駕駛的競爭賽道上，高保真、可擴展的仿真場景構(gòu)建已成為端到端系統(tǒng)級驗證的關(guān)鍵。

無論你是整車廠還是Tier1團隊，都可以借助 World Extractor + aiSim 快速搭建符合自身傳感器、算法和測試要求的高保真仿真環(huán)境，實現(xiàn)真正的端到端系統(tǒng)級驗證。