仿真器的實用價值，取決于它所構建的虛擬世界。傳感器模型、物理引擎與場景邏輯，一切都首先依賴于一件事：環境的真實性。

aiMotive搭建了一套完整自研三維內容生產管線，為aiSim仿真平臺提供全部所需素材 —— 小到單塊路緣石，大到橫跨三大洲、綿延數公里的高速公路路網。

康謀面向國內智能駕駛客戶，提供aiSim仿真平臺完整落地與技術支持服務，擁有仿真環境定制化技術服務能力，助力企業快速搭建高可信度的仿真測試體系。

下文將介紹這套虛擬世界構建管線的完整工作流程。

一. 資源庫：一切內容的原始素材

在任何地圖、車輛導入aiSim之前，所有內容都始于這里。

資源庫覆蓋道路環境所需的全部要素：

1、道路設施：路燈、交通標識、交通信號燈

2、可復用地表材質：瀝青、混凝土、泥土、草地、沙地

3、靜態裝飾：樓房、路肩、植被

4、車輛附屬部件：警燈燈組、出租車頂燈、實習車標牌

5、行人隨身道具：背包、雨傘、手機

aiSim用戶部署產品時會獲取完整資源庫，因此知識產權合規是硬性要求。所有資源均為原創，絕不使用第三方素材商店的模型。

工具鏈和影視行業VFX、游戲開發行業保持一致：Maya、Blender、Houdini、Adobe創意套件，同時越來越多地融入 Rodin、Meshy等生成式AI工具。全部內容在虛幻編輯器中進行管理 aiSim的3D資產均可通過Blender與UE進行處理，支持在處理階段引入外部AI工作流 —— 虛幻并不作為渲染器使用（aiSim擁有自研引擎），而是作為適配這種大規模內容生產的內容制作平臺。通過自定義插件，素材可導出為aiSim原生格式。

aiSim的3D資產可通過Blender與UE（虛幻引擎）處理，處理過程支持接入外部AI工作流。需要注意：UE并不承擔渲染工作，渲染由aiSim自研引擎實現；UE僅作為面向大規模內容生產的制作平臺，素材通過自定義插件即可導出為aiSim原生格式。

二. 地圖：兩層架構，構筑完整虛擬環境

aiSim中的每一張地圖都分為兩個制作階段。

階段一：基于高精地圖程序化生成

制作起點永遠是高精地圖：這是一套精細化矢量數據集，記錄車道標線、道路邊緣、過街路口、路緣石以及交通基礎設施信息。絕大多數情況下，由標注團隊基于激光雷達掃描數據制作高精地圖。其中，道路邏輯對于aiSim而言是必需的，通常可以用OpenDRIVE進行表達。

自研工具Atlas（已集成在aiSim套件內，客戶可使用它生成自有地圖），能夠自動將上述數據OpenDRIVE文件轉化為路面、車道標線、人行道與地形。如果原始數據源信息足夠完備，護欄與交通信號燈也可自動完成布設。

階段二：人工精細化修飾

圖形團隊在程序化生成的基礎基底上，補充其余全部環境要素，遵循由大到小的制作邏輯：

1、地形：基于現實世界高程數據進行地形雕刻，最大限度還原真實世界的原始地形；分辨率常達到亞米級

2、建筑：從資源庫調取模型單體擺放，或通過外立面模塊系統程序化生成；建筑平面布局可取自高精地圖或開放街道地圖（Open Street Map）

3、道具與植被：依托自研內部工具（圍欄生成器、電線桿布設工具、參數化信號燈放置工具）以及虛幻的植被繪制系統完成布置

如果制作地圖時需要的資源尚未入庫，就會新建模型并納入資源庫，每完成一個項目，資源庫就得到進一步擴充。

三. World Extractor（世界提取工具）：高速建圖方案

對于更看重產出速度、而非人工精細度的場景，我們的全新工具World Extractor可基于視頻素材與激光雷達掃描數據，直接生成高斯潑濺地圖。做到所見即所得，產出效率高。

兩種場景構建方案還可結合使用：高斯潑濺生成的環境，能夠疊加資源庫中的資產來補全場景缺失部分。

圖1 World Extractor 高斯潑濺場景重建與多傳感器仿真輸出

基于人工智能的重建與渲染

依托3DGS與NeRF雙重建技術架構，每天內可以根據各種ODD的真實錄制生成地圖和環境，而資產制作則需要3D藝術家數月手工完成。

在“真實類"環境中實現實時性能

World Extractor 支持3D高斯濺射（3DGS）和神經輻射場（NeRF），以兼顧實時性能和最高保真度。3DGS 顯式點元渲染特性，適配大尺度路網仿真，解決傳統隱式渲染實時性不足的痛點。

模擬多種物理精確傳感器模型

在基于物理和確定性的仿真環境中模擬復雜的傳感器配置，包括攝像頭和激光雷達。依托 3DGS 細節還原能力，復現路面磨損、光影變化等真實路況，縮小仿真與現實的域偏移。aiSim的高效能神經渲染技術支持實時硬件在環（HiL）測試，以評估目標 ECU 的性能。

從真實錄制到場景重建的自動化處理

World Extractor是一個端到端的神經重建流水線，利用復雜的神經網絡理解記錄并生成仿真環境。3DGS 重建輸出保障場景還原度，縮小仿真與現實之間的領域鴻溝。

四. 車輛與行人

絕大多數車輛模型采購自專業汽車建模合作方；同時也支持處理客戶提供的CAD數據，偶爾也會直接對實車開展三維掃描。

所有車輛都遵循同一套處理管線：

1、模型優化：若原始模型面數過高，便進行拓撲重構，將三角面控制在約 15 萬個；

2、節點層級處理：規范部件命名與層級結構，適配aiSim的接口要求，實現車輪轉動、保障物理引擎正常運算；

3、燈光配置：配置自發光表面與虛擬光源，實現前大燈、轉向燈、剎車燈效果

現有資源庫：90 余款車輛，包含客車、卡車、工程車輛與應急特種車輛。

行人綁定骨骼、帶動畫、多元化角色，靜態模型完成后繼續處理：

4、骨骼與蒙皮：通過權重繪制，讓網格模型跟隨骨骼運動，該步驟大多依靠人工，直接決定最終效果品質；

5、動畫制作：動作捕捉數據重定向到各個角色；每位行人具備兩套基礎動畫：站立待命、行走；

現有資源庫：200 余個角色，涵蓋男性、女性、兒童、輪椅使用者、踏板車騎手，覆蓋歐洲、亞洲、非洲人種形象，同時包含動物模型。

五. 底層仿真引擎

以上全部內容層，都運行在aiSim仿真內核之上，引擎本身的重要性不亞于各類素材資源。

aiSim 是一款通過 ISO 26262 ASIL?D 功能安全認證的汽車仿真器。這意味著仿真結果可用于正式安全論證，而不只是開發輔助工具。相機響應曲線、雷達散射截面建模等，傳感器輸出可以做到像素級物理精度。依托神經仿真技術，真實世界采集的數據能夠生成傳感器精度與原始錄制畫面幾乎無差別的合成數據，這正是 World Extractor 的技術根基。

兼具認證級引擎、物理仿真精度、神經重建能力，確保測試可靠性。才讓仿真真正用于驗證，而非僅僅用于測試。

圖2 aiSim場景編輯器操作界面

六. 總結

談及仿真保真度，行業常常聚焦傳感器物理特性或者場景邏輯。內容層較少被提及，但恰恰是內容層，決定了你用于驗證的場景，是否貼近自動駕駛軟件將要面對的真實世界。

倘若仿真器的環境資源庫內容單薄、地域覆蓋局限，就會系統性遺漏大量關鍵邊緣場景。aiSim 豐富多元的內容資產，以及配套工具鏈 —— 支持客戶導入自有高精地圖、使用 World Extractor 采集重建場景，讓仿真驗證具備實際意義，而不是流于形式。

依托aiSim完整的內容與仿真能力，康謀為國內智駕企業提供一站式本地化服務，幫助客戶充分利用資產庫、Atlas 建圖工具、World Extractor 重建能力，結合企業自身測試數據，搭建適配國內道路工況的仿真測試體系，落地真正有效的仿真驗證。