康谋keymotek

• 3DGS 与 OpenMATERIAL：场景表示与材质标准的分层协同

  摘要： 有了可携带LiDAR强度的3DGS，为何仍需OpenMATERIAL标准化材质体系？ 本文明确两者层级差异与核心定位，拆解OpenMATERIAL标准与aiSimArcher实践，梳理融合路径，厘清3DGS能力边界与仿真技术发展方向。 关键词：3DGS、仿真、LIDAR、场景重建、渲染、汽车、OpenMATERIAL 一、引言 3DGS（3D Gaussian Splatting）的出现重

  康谋keymotek

  291

  04/08 17:22
• 从数据采集到回放验证：ADTF 适配 ROS2 的 ADAS 测试实践

  一、引言 在智能驾驶项目里，很多团队都会遇到同一个问题：  数据采集并不难，难的是把采到的数据稳定地用起来。路测之后，工程团队往往要面对几个高频挑战： （1）传感器数据来源多、格式多，链路联调成本高； （2）算法和测试团队常用 ROS2 生态，但工程化流程需要更强的可控性； （3）ROSBAG 回放能“放出来”，但要做到“看得清、对得齐、可分析”，并不轻松； （4）一旦进入验证阶段，常见痛点不是功

  康谋keymotek

  344

  03/30 15:44

  数据采集 测试测量

  
• 视觉重建到物理仿真，3DGS如何走向工程应用？

  一、引言 在《3DGS技术详解（一）：3DGS如何融合动态天气与光照等环境因素？》文章中，我们系统梳理了3D高斯泼溅（3DGS）如何突破静态重建的局限，实现对动态天气、移动光源等复杂环境因素的建模与仿真。这标志着3DGS已不再仅仅是“高保真场景重建工具”，而开始具备承载真实世界多变性的潜力。 然而，一个能够以假乱真的视觉场景，对于自动驾驶仿真、数字孪生等工业应用而言，仍然只是起点。仿真系统的真正价

  康谋keymotek

  861

  03/25 13:31

  仿真 测试测量
• 高保真仿真地图生成：UE+Blender协同编辑的实现路径

  一、引言 在前两篇文章中，我们系统阐述了非结构化道路场景的构建路径。第一篇《如何高效构建与测试非结构化道路场景？》从宏观层面剖析了非结构化道路测试的必要性与技术挑战，并介绍了aiSim通过集成外部工具实现逻辑路网与高真实感地形结合的总体解决方案。第二篇《从OpenDRIVE到Atlas：道路数据编辑与格式适配解析》则深入技术细节，说明了如何利用行业标准的OpenDRIVE格式，通过道路编辑器生成基

  康谋keymotek

  606

  03/16 16:47

  智能驾驶 仿真
• 解锁端到端仿真新可能 ：全新aiSim 6 即将发布

  01、前言 随着端到端自动驾驶从学术探索走向规模化应用，无论是特斯拉 FSD 神经模拟器、Waymo 基于 DeepMind Genie 3 的世界模型，还是国内主流车企的数据闭环体系，均在表明仿真系统的定位已从传统测试执行工具，升级为支撑算法训练的核心数据基础设施。 尤其需要重视的是，端到端模型直接消费传感器数据进行训练，这对仿真提出了三个过去从未被充分重视的要求： 其一，光照覆盖的系统性缺口。

  康谋keymotek

  884

  03/09 16:16

  自动驾驶 仿真
• 赋能商用车 ADAS 研发：多工况、多车型适配的多传感器数据采集方案

  随着自动驾驶技术的迭代升级，商用车ADAS的研发进程已成为行业焦点。近期，在和众多商用车ADAS研发客户的沟通过程中，我们观察到了一些被频繁提到的客户需求和场景痛点，针对于此，本文为该类客户量身定制了一套高性能商用车ADAS多传感器数据采集方案。 本文将从客户的实际痛点出发，详细拆解如何在复杂工况、多车型适配等需求下，实现高精度、多传感器的数据融合与采集。 一、客户需求与场景痛点 不同于乘用车，商

  康谋keymotek

  707

  02/27 16:10

  传感器 数据采集
• 3DGS技术详解（一）：3DGS如何融合动态天气与光照等环境因素？

  康谋keymotek

  4836

  02/11 11:20

  传感器 自动驾驶
• 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，

  康谋keymotek

  4553

  02/09 14:20

  智能驾驶 仿真
• 技术分享|如何做从 OpenDRIVE 到 Atlas的道路数据编辑与格式适配？

  1 引言 在智能驾驶仿真测试的场景构建中，无论是结构化道路的搭建还是非结构化道路的加工，其工作流程通常依赖于明确的数据基础和后续的可视化处理。在进入Unreal Engine或Blender等工具进行地图外观加工之前，具备完整、准确的道路逻辑数据通常是不可或缺的前提。 用户常见的问题包括：获得外观精细的地图却无法提取道路逻辑与真值信息，或是拥有逻辑完备的道路数据，导入仿真环境后却只呈现为缺乏视觉表

  康谋keymotek

  767

  02/03 10:05

  自动驾驶 仿真
• 一文讲清“实测 - 仿真” 一体化数据采集与验证平台如何做

  康谋为国内某高校智能驾驶科研团队提供数采车系统、无人驾驶车辆集成方案及数字孪生仿真服务，解决其系统性技术挑战，包括高带宽数据采集与低延时实时监测、实车与仿真环境的运动状态同步难题，并构建以数据一致性与实时性为核心的联合解决方案，显著提升了科研效率、降低了测试成本与风险，且非常适合教学使用。

  康谋keymotek

  1237

  01/29 10:10

  传感器 自动驾驶
• 迈向智驾高阶验证：一文介绍高保真HIL仿真解决方案，重塑测试价值

  随着智能驾驶向 L3/L4 高阶演进，传感器配置密度激增、场景复杂度指数级提升，HIL（硬件在环）测试面临核心痛点，如传统方案仿真保真度不足难以匹配高阶智驾感知需求、链路复杂导致升级成本高、边缘场景覆盖不全与低延迟传输矛盾凸显、无法支撑高阶系统全生命周期测试验证。 针对现有 HIL 系统升级迭代与新增部署的核心诉求，本文介绍高保真端到端 HIL 仿真测试解决方案，以 aiSim 仿真器为核心，为外

  康谋keymotek

  1377

  01/26 14:57

  自动驾驶 仿真
• 汽车多总线数据采集：挑战、架构与同步策略一文全解析

  一、引言 每一次极端天气下的紧急制动，每一段复杂路况中的精准识别，本质都在考验算法对现实世界的适应能力。因此，我们可以看到在智能辅助驾驶从“功能验证”到“场景攻坚”的关键阶段，真实、高质量的数据是算法性能提高的基石。尤其在极端天气、颠簸路面和电磁干扰等恶劣工况下，如何实现多源传感器数据的高可靠采集、高精度同步与高效率处理，是行业中常遇到的难题。 下文将结合行业实践，系统拆解多总线（CAN/LIN/

  康谋keymotek

  579

  01/19 11:26

  汽车电子 数据采集
• 如何做好全自动化ADAS 高精度标注？

  一、引言 在ADAS（高级辅助驾驶）开发领域，高质量的标注数据是算法迭代的核心基础。然而，传统依赖人工标注的模式通常成本高昂、周期漫长，每年投入可达数百万美元，处理时间往往需要数月，严重制约了研发效率与项目推进速度。 这正是本文介绍的aiData Auto Annotator 解决方案的核心价值：由 aiMotive 打造的强大自动化工具，旨在大幅降低标注成本并缩短处理时间。当路测数据采集完成后，

  康谋keymotek

  6524

  01/12 14:06

  自动驾驶 数据采集
• 端到端下半场，如何做好高保真虚拟数据集的构建与感知？

  随着自动驾驶技术的发展，端到端架构逐渐取代传统模块化架构，但由于数据规模和场景覆盖度不足，虚拟数据集成为解决实际路测难题的关键。本文介绍了SimData虚拟数据集及其aiSim2nuScenes工具链，详细描述了数据集的构建方法、工具链的功能和应用场景。实验结果显示，SimData数据集在收敛性、一致性及迁移学习方面表现出色，证实了其在自动驾驶感知算法训练中的有效性。通过引入物理级高保真的虚拟数据，可以显著提高模型在复杂现实世界的鲁棒性和泛化能力，助力自动驾驶技术的进步。

  康谋keymotek

  1242

  01/08 15:21

  仿真测试 数据集

  
• 如何高效构建与测试非结构化道路场景？

  如何攻克非结构化道路难题？真实地形建模难、逻辑与物理数据割裂、测试验证闭环难实现？本文介绍如何实现通过OpenDRIVE到Atlas地图转换，无缝集成Unreal Editor/Blender进行地形编辑，实现逻辑路网与三维融合，完成高保真仿真验证闭环！

  康谋keymotek

  585

  01/05 17:40

  自动驾驶 测试测量

  
• 基于PTP，如何做好多传感器微秒级时间同步？

  01、引言 自动驾驶车辆行驶过程中，多传感器（相机、激光雷达等）采集的带有精准同步时间戳的数据，是车辆实现高精度感知、定位、决策与规划的核心前提。正因如此，在自动驾驶数据采集系统中，传感器与主控单元之间通常会采用(g) PTP 协议，以保障多传感器的硬件时间同步。 然而和客户对接过程中，客户普遍反馈在实际开发过程中，要实现单个或多个传感器与主控平台的精准时间同步，往往会面临时间同步精度不足、多传感

  康谋keymotek

  847

  2025/12/29

  传感器 PTP
• 一文讲清如何全自动化处理数据！

  01、引言 在汽车 AI 领域，无论是高级驾驶辅助系统（ADAS）还是自动驾驶技术的研发，都需要数据。因此高质量、精准且记录完备的数据，是神经网络训练、验证及仿真测试的核心支撑。 然而，数据采集往往是 AI 开发生命周期中成本最高的环节，需要投入车辆、传感器、驾驶员、定制软件及大量工程时间。更令人困扰的是，由于传感器部署不当、校准失准、版本控制缺失或诊断元数据遗漏等可避免的问题，这笔巨额投资常常无

  康谋keymotek

  842

  2025/12/22

  传感器 自动驾驶
• SimData深度解析：高保真虚拟数据集的构建与评测

  在自动驾驶感知的下半场，数据已成为驱动算法迭代的核心燃料。然而，真实路测数据面临着成本高昂、标注困难、极端场景（Corner Cases）难以覆盖以及安全性受限等“卡脖子”问题。 面对这一核心痛点，虚拟仿真数据已成为解决方案中的关键角色，成为确保开发效率与安全性的不可或缺一环。免费获取 | SimData高保真虚拟数据集开源发布，兼容nuScenes，开箱即用！文章中，简单介绍了一下SimData

  康谋keymotek

  811

  2025/12/15

  仿真 数据采集
• 一文搞懂智慧隧道施工

  随着智慧工地与无人化施工技术的推进，隧道施工装备的数字化转型已成为行业焦点。近期，在和众多该类客户的沟通过程中，我们观察到了一些被频繁提到的客户需求和场景痛点，针对于此，以隧道运输设备——MSV胶轮车为例，本文为该类客户量身定制了一套高性能多模态数据采集方案。 本文将从客户的实际痛点出发，详细拆解如何在无GPS信号、环境恶劣的隧道场景中，实现高精度、多传感器的数据融合与采集。 一、 客户需求与场景

  康谋keymotek

  768

  2025/12/08

  自动驾驶 数据采集
• 5000字长文拆解仿真技术置信度：核心挑战与测试技术路径

  01、引言 随着自动驾驶功能复杂度的指数级增长，单纯依赖道路测试进行验证的成本高昂、周期漫长且无法穷尽所有可能的边缘场景。仿真测试因此成为研发流程中不可或缺的一环，它能够以低成本、高效率的方式大规模生成和复现高风险的“边缘案例”与“关键场景”，从而加速算法的迭代与验证。 然而，仿真的价值完全取决于其结果的置信度。一个高置信度的仿真平台，其输出应在统计意义上与真实世界的传感器数据、车辆行为和环境交互

  康谋keymotek

  3800

  2025/12/03

  传感器 自动驾驶

正在努力加载...