扫码加入

建模仿真

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • 2026年,讲讲3DGS和世界模型,在自动驾驶仿真中的组合
    2026年,自动驾驶仿真赛道将持续升温。 回顾2025年,两大仿真新技术快速走进公众视野,分别是世界模型(World Model)与3DGS(3D Gaussian Splatting,3D高斯泼溅)。 关于世界模型,此前也写了挺多科普文章,甚至发布了一些视频效果,感兴趣的小伙伴可以去搜了看看,本文就不展开了。 而关于3DGS,我则一直觉得很神秘,因此特地做了一些探索,甚至申请到了商用软件来试用,
  • 从材料创新到建模仿真,汉高驱动电动化“效率”革命
    近年来,全球电动汽车市场迎来了前所未有的增长浪潮,而中国更是成为全球电动车发展的领头羊。市场研究数据显示,中国新能源车销量在过去五年保持高速增长,占全球市场份额的六成以上。而随着电动车销量不断攀升,动力电池系统面临的挑战也随之增加:如何在提高能量密度、延长续航里程、降低成本和提升安全性的同时,实现快速开发和产品上市;又如何使区域电池技术创新适配复杂的全球市场准入标准,成为行业关注的核心问题。
  • 深度解析:双模态仿真测试解决方案
    随着端到端自动驾驶架构的兴起,传统基于规则的仿真测试正面临“真实感不足”与“场景泛化难”的双重挑战。 本文深入解析双模态仿真测试解决方案:一方面依托 aiSim 提供确定性的物理级传感器建模;另一方面通过 World Extractor 实现基于3DGS/NeRF的自动化世界重建。 重点探讨二者如何通过混合渲染(Hybrid Rendering)的技术路线,在保留真实世界视觉保真度的同时,实现动态
  • 农业机器人仿真面临的挑战有哪些?
    1、前言 全球农业正面临粮食需求增长、可持续发展压力及劳动力短缺等多重挑战,农业机器人已从未来愿景变为现实应用。真实环境中测试农业机器人成本高、周期长且存在安全风险,机器人仿真技术通过构建数字孪生环境,可提前规避错误,成为农业机器人研发落地的关键支撑,但农业场景的特殊性,也让仿真技术面临诸多专属挑战,亟需针对性的解决方案突破瓶颈。 本文将系统梳理农业机器人仿真面临的核心难题,结合相关技术探索解决方
  • 一文讲清如何闭环自动驾驶仿真场景,实现从“重建”到“可用”?
    一、引言 在自动驾驶技术飞速发展的当下,高精度、高保真的仿真场景构建成为关键。3D Gaussian Splatting(3DGS)凭借高效渲染与逼真场景还原能力,逐渐成为三维重建与仿真领域的焦点。然而,实际应用中,如何将多源异构数据高效转化为可用的 3DGS 场景,如何保障场景与真实环境的一致性,成为了行业难题。 针对3DGS 落地自动驾驶仿真的核心痛点, aiSim 打造从原始数据标准化到高保
  • 一文拆解3DGS,弄清原理框架、实战 demo 与自驾仿真落地探索!
    01、引言 当前,三维重建技术正处于从"实验室演示"迈向"工业级应用"的关键时期。每一次对场景细节的精准还原,每一帧实时流畅的渲染效果,都在检验算法对真实世界的复现能力。高效、高质量的三维重建能够显著提升数字资产制作效率,助力提升虚拟测试的真实性,加速仿真验证流程。 然而,在"平衡重建质量与效率"这一核心目标下,现有技术仍面临诸多挑战,包括大规模场景的处理效率、动态物体的建模能力,以及跨平台部署的
  • 浅谈数字孪生场景生成如何进入“日级”时代
    一、行业挑战与痛点 在自动驾驶开发中,高保真的仿真场景是算法迭代和验证的基石。然而,传统手工建模方式需要大量3D设计师投入,构建一个复杂交通环境往往耗时数月甚至半年以上;同时,城市、高速、停车场等多种运营设计域(ODD)都需要覆盖,场景的可扩展性与多样性一直是瓶颈。 更重要的是,随着自动驾驶系统从模块化架构向端到端系统级演进,仿真平台不仅要验证感知、决策和控制单元的单点性能,更要在同一环境中评估O
  • 生成式 AI 重塑自动驾驶仿真 4D 场景生成技术的突破与实践
    近年来,伴随自动驾驶技术的快速发展,行业对于仿真测试平台的精度、覆盖率和可扩展性提出了更高要求。尤其在数据闭环迭代、长尾场景验证及安全冗余验证等关键环节中,高保真、高复杂度的场景生成能力正在成为测试体系的核心支撑。 传统场景生成方式面临效率低、人工成本高、行为多样性不足等问题,难以满足当前智能驾驶系统对大规模、多模态、真实物理驱动场景的需求。为应对这一挑战,基于生成式AI的4D场景生成技术迅速兴起
  • 物理级传感器仿真,破解自动驾驶长尾场景验证难题
    本文聚焦物理级仿真,剖析摄像头光学建模、CMOS 光电转换、激光雷达高斯光束与衰减建模,解读 ASAM OpenMATERIAL 3D 标准,以构建可信仿真闭环,助力算法验证与高阶智驾落地。
  • 康谋分享| 揭秘C-NCAP 合成数据如何助力攻克全球安全合规难关
    C-NCAP 2024新规将DMS、RFR纳入评分体系,推动中国汽车安全从被动向主动转型。车企面临成本、恶劣环境可靠性等挑战。如何通过虚拟仿真和合成数据技术,助力车企大幅提升验证效率,满足合规标准?
  • 高精LiDAR+神经渲染3DGS的完美融合实践
    在自动驾驶仿真测试刚需下,数字孪生成提升保真度关键。本文介绍传统与前沿结合的构建流程,先通过数据采集、点云聚合等完成高精地图重建,再以NeRF+3DGS实现神经网络重建,降本增效,为仿真注入真实感,重塑测试范式。
    高精LiDAR+神经渲染3DGS的完美融合实践
  • L3+智能座舱时代 主机厂三大核心需求揭秘
    舱内感知模型遇数据瓶颈?真实采集成本高、隐私限制严、长尾场景稀缺!行业正转向合成数据破局,但仍面临诸多困难。本文为大家详细揭秘析主机厂和算法供应商的三大需求核心,加速破局!
  • 一文介绍 如何巧用合成数据重构智能座舱
    合成数据技术为智能座舱AI训练带来革命性突破,通过高保真虚拟仿真可精准还原各类驾驶场景和乘员行为,显著提升模型训练效率与识别准确率。如何利用合成数据技术,为智能座舱研发提供海量训练样本与极端场景模拟,从而突破真实数据采集的局限?
    一文介绍 如何巧用合成数据重构智能座舱
  • 汽车开发流程管理工具赋能安全与质量
    随着数字化、人工智能、自动化系统及物联网技术的迅速发展,工程驱动型企业正面临重大转型挑战,亟需加速并深化其变革步伐。众多企业正试图通过采用基于模型的系统工程(MBSE)、产品线工程(PLE)、ASPICE、安全、网络安全、软件定义汽车、敏捷和精益开发实践等技术,以应对日益严峻的创新挑战。这些技术不仅影响工程和产品开发过程,还成为驱动效率提升与质量保证的关键因素。作为一款专业的汽车开发流程管理工具,
    汽车开发流程管理工具赋能安全与质量
  • 建模与仿真介绍
    建模是表示模型的过程,包括模型的构建和运行。该模型与真实系统相似,有助于开发与验证等人员预测系统变化的影响。换句话说,建模就是创建一个代表系统(包括其属性)的模型。这是一种建立模型的行为。系统仿真是在时间或空间方面对模型的操作,有助于分析现有或拟议系统的性能。换句话说,模拟是使用模型研究系统性能的过程。它是一种使用模型进行模拟的行为。
    建模与仿真介绍
  • MORSE
    MORSE是一款用于动态系统建模和仿真的开源软件工具,支持多种物理模型和控制算法。MORSE可以帮助用户快速构建复杂的仿真场景,并进行实时交互和调试。

正在努力加载...