在aiSim中构建虚拟世界：打造高可信度仿真所需的三维环境

仿真器的实用价值，取决于它所构建的虚拟世界。传感器模型、物理引擎与场景逻辑，一切都首先依赖于一件事：环境的真实性。

aiMotive搭建了一套完整自研三维内容生产管线，为aiSim仿真平台提供全部所需素材 —— 小到单块路缘石，大到横跨三大洲、绵延数公里的高速公路路网。

康谋面向国内智能驾驶客户，提供aiSim仿真平台完整落地与技术支持服务，拥有仿真环境定制化技术服务能力，助力企业快速搭建高可信度的仿真测试体系。

下文将介绍这套虚拟世界构建管线的完整工作流程。

一. 资源库：一切内容的原始素材

在任何地图、车辆导入aiSim之前，所有内容都始于这里。

资源库覆盖道路环境所需的全部要素：

1、道路设施：路灯、交通标识、交通信号灯

2、可复用地表材质：沥青、混凝土、泥土、草地、沙地

3、静态装饰：楼房、路肩、植被

4、车辆附属部件：警灯灯组、出租车顶灯、实习车标牌

5、行人随身道具：背包、雨伞、手机

aiSim用户部署产品时会获取完整资源库，因此知识产权合规是硬性要求。所有资源均为原创，绝不使用第三方素材商店的模型。

工具链和影视行业VFX、游戏开发行业保持一致：Maya、Blender、Houdini、Adobe创意套件，同时越来越多地融入 Rodin、Meshy等生成式AI工具。全部内容在虚幻编辑器中进行管理 aiSim的3D资产均可通过Blender与UE进行处理，支持在处理阶段引入外部AI工作流 —— 虚幻并不作为渲染器使用（aiSim拥有自研引擎），而是作为适配这种大规模内容生产的内容制作平台。通过自定义插件，素材可导出为aiSim原生格式。

aiSim的3D资产可通过Blender与UE（虚幻引擎）处理，处理过程支持接入外部AI工作流。需要注意：UE并不承担渲染工作，渲染由aiSim自研引擎实现；UE仅作为面向大规模内容生产的制作平台，素材通过自定义插件即可导出为aiSim原生格式。

二. 地图：两层架构，构筑完整虚拟环境

aiSim中的每一张地图都分为两个制作阶段。

阶段一：基于高精地图程序化生成

制作起点永远是高精地图：这是一套精细化矢量数据集，记录车道标线、道路边缘、过街路口、路缘石以及交通基础设施信息。绝大多数情况下，由标注团队基于激光雷达扫描数据制作高精地图。其中，道路逻辑对于aiSim而言是必需的，通常可以用OpenDRIVE进行表达。

自研工具Atlas（已集成在aiSim套件内，客户可使用它生成自有地图），能够自动将上述数据OpenDRIVE文件转化为路面、车道标线、人行道与地形。如果原始数据源信息足够完备，护栏与交通信号灯也可自动完成布设。

阶段二：人工精细化修饰

图形团队在程序化生成的基础基底上，补充其余全部环境要素，遵循由大到小的制作逻辑：

1、地形：基于现实世界高程数据进行地形雕刻，最大限度还原真实世界的原始地形；分辨率常达到亚米级

2、建筑：从资源库调取模型单体摆放，或通过外立面模块系统程序化生成；建筑平面布局可取自高精地图或开放街道地图（Open Street Map）

3、道具与植被：依托自研内部工具（围栏生成器、电线杆布设工具、参数化信号灯放置工具）以及虚幻的植被绘制系统完成布置

如果制作地图时需要的资源尚未入库，就会新建模型并纳入资源库，每完成一个项目，资源库就得到进一步扩充。

三. World Extractor（世界提取工具）：高速建图方案

对于更看重产出速度、而非人工精细度的场景，我们的全新工具World Extractor可基于视频素材与激光雷达扫描数据，直接生成高斯泼溅地图。做到所见即所得，产出效率高。

两种场景构建方案还可结合使用：高斯泼溅生成的环境，能够叠加资源库中的资产来补全场景缺失部分。

图1 World Extractor 高斯泼溅场景重建与多传感器仿真输出

基于人工智能的重建与渲染

依托3DGS与NeRF双重建技术架构，每天内可以根据各种ODD的真实录制生成地图和环境，而资产制作则需要3D艺术家数月手工完成。

在“真实类"环境中实现实时性能

World Extractor 支持3D高斯溅射（3DGS）和神经辐射场（NeRF），以兼顾实时性能和最高保真度。3DGS 显式点元渲染特性，适配大尺度路网仿真，解决传统隐式渲染实时性不足的痛点。

模拟多种物理精确传感器模型

在基于物理和确定性的仿真环境中模拟复杂的传感器配置，包括摄像头和激光雷达。依托 3DGS 细节还原能力，复现路面磨损、光影变化等真实路况，缩小仿真与现实的域偏移。aiSim的高效能神经渲染技术支持实时硬件在环（HiL）测试，以评估目标 ECU 的性能。

从真实录制到场景重建的自动化处理

World Extractor是一个端到端的神经重建流水线，利用复杂的神经网络理解记录并生成仿真环境。3DGS 重建输出保障场景还原度，缩小仿真与现实之间的领域鸿沟。

四. 车辆与行人

绝大多数车辆模型采购自专业汽车建模合作方；同时也支持处理客户提供的CAD数据，偶尔也会直接对实车开展三维扫描。

所有车辆都遵循同一套处理管线：

1、模型优化：若原始模型面数过高，便进行拓扑重构，将三角面控制在约 15 万个；

2、节点层级处理：规范部件命名与层级结构，适配aiSim的接口要求，实现车轮转动、保障物理引擎正常运算；

3、灯光配置：配置自发光表面与虚拟光源，实现前大灯、转向灯、刹车灯效果

现有资源库：90 余款车辆，包含客车、卡车、工程车辆与应急特种车辆。

行人绑定骨骼、带动画、多元化角色，静态模型完成后继续处理：

4、骨骼与蒙皮：通过权重绘制，让网格模型跟随骨骼运动，该步骤大多依靠人工，直接决定最终效果品质；

5、动画制作：动作捕捉数据重定向到各个角色；每位行人具备两套基础动画：站立待命、行走；

现有资源库：200 余个角色，涵盖男性、女性、儿童、轮椅使用者、踏板车骑手，覆盖欧洲、亚洲、非洲人种形象，同时包含动物模型。

五. 底层仿真引擎

以上全部内容层，都运行在aiSim仿真内核之上，引擎本身的重要性不亚于各类素材资源。

aiSim 是一款通过 ISO 26262 ASIL‑D 功能安全认证的汽车仿真器。这意味着仿真结果可用于正式安全论证，而不只是开发辅助工具。相机响应曲线、雷达散射截面建模等，传感器输出可以做到像素级物理精度。依托神经仿真技术，真实世界采集的数据能够生成传感器精度与原始录制画面几乎无差别的合成数据，这正是 World Extractor 的技术根基。

兼具认证级引擎、物理仿真精度、神经重建能力，确保测试可靠性。才让仿真真正用于验证，而非仅仅用于测试。

图2 aiSim场景编辑器操作界面

六. 总结

谈及仿真保真度，行业常常聚焦传感器物理特性或者场景逻辑。内容层较少被提及，但恰恰是内容层，决定了你用于验证的场景，是否贴近自动驾驶软件将要面对的真实世界。

倘若仿真器的环境资源库内容单薄、地域覆盖局限，就会系统性遗漏大量关键边缘场景。aiSim 丰富多元的内容资产，以及配套工具链 —— 支持客户导入自有高精地图、使用 World Extractor 采集重建场景，让仿真验证具备实际意义，而不是流于形式。

依托aiSim完整的内容与仿真能力，康谋为国内智驾企业提供一站式本地化服务，帮助客户充分利用资产库、Atlas 建图工具、World Extractor 重建能力，结合企业自身测试数据，搭建适配国内道路工况的仿真测试体系，落地真正有效的仿真验证。