51Sim推出世界模型驅動仿真體系

近日，媒體獲悉，五一視界旗下數據及仿真平臺業務版塊51Sim在智能駕駛仿真領域持續深化技術布局，推出基于世界模型的下一代仿真技術體系。該公司自2017年作為51WORLD孵化的業務版塊以來，專注于為自動駕駛、具身智能等物理AI應用場景提供高置信度仿真解決方案，目前已累計服務近百家行業客戶，業務覆蓋中國及德國等歐洲市場。

51Sim構建的仿真技術底座涵蓋SimOne智能駕駛與機器人仿真平臺、4DGS閉環仿真體系、DataOne數據處理挖掘平臺、TIMTransAI交通模型訓練平臺等產品矩陣。公司在2024年度獲評ASAM合作伙伴，并作為參編單位參與《中國智能網聯汽車自動駕駛仿真測試白皮書（2023版）》編寫工作，技術研發團隊毛祖秋在內的多位行業人員。

51Sim團隊成員長期參與國際標準化組織ASAM的OpenSCENARIO、OpenMATERIAL 3D等多項標準制定工作。高級研發經理毛祖秋于2024年入選ASAM首批庫，并在2025年度擔任OpenSCENARIO標準領域模型對齊組組長。公司在2024年10月獲得ASAM獎，其研發團隊在3DGS混合仿真引擎、激光雷達約束擴散模型等前沿技術方向取得多項突破，2025年11月主導的LidarPainter研究成果獲AAAI2026錄用（錄取率17.6%）。

世界模型重構仿真生產范式

傳統自動駕駛仿真依賴人工建模和規則驅動，存在構建周期長、成本高、泛化能力有限的問題。51Sim針對端到端智駕算法對高保真、多模態測試環境的需求，推出以"4DGS重建+生成式世界模型"為依托的下一代仿真技術底座。該技術體系通過神經場景重建技術，可將一段真實視頻clip轉換為可用于神經渲染的4D場景，結合世界模型對大規模歷史數據的學習能力，實現對環境變化的理解與預測。

在數據價值放大層面，世界模型技術可對海量真實數據中的車輛、軌跡、視角等關鍵要素進行修改，將高價值數據進行成百上千倍的泛化。該方案通過摩爾線程KUAE智算集群提供統一算力底座，支持神經場景重建、世界模型訓練、閉環仿真測試、合成數據生產、強化學習訓練等多類任務并行運行。實測數據顯示，基于該體系的智駕算法迭代效率相較于路測提升百倍，動力學仿真、激光雷達仿真及攝像頭仿真的置信度分別達到95%、95%、90%，仿真測試與場地測試對比一致性達92%。

LidarPainter突破場景重建效率瓶頸

在場景重建的工程化應用中，51Sim研發的LidarPainter模型采用單步擴散與激光雷達約束融合的技術路徑，解決了傳統方法偏離原始采集路徑后容易失真的問題。該模型通過擴散模型對低質量重建場景進行二次重建，確保幾何結構準確一致、紋理完整、細節清晰。性能測試顯示，LidarPainter處理速度比業界前沿方法StreetCrafter提升7倍，顯存占用為后者的五分之一。

該技術已在多家主機廠的算法和測試部門實現產業化落地應用，支持從實車數據到可編輯、可拓展智駕場景的閉環重建路徑。某主機廠應用案例顯示，通過該技術重建的場景可支持SIL/HIL測試，快速生成海量高保真仿真場景，并可增加極端天氣、復雜路況等corner case場景的數量級，有效降低實車路測成本。該方案在保證數據置信度的前提下，實現了數據泛化性和復用性的指數級提升。

數據驅動閉環解決端到端測試痛點

針對端到端時代下數據復用性差、數智割裂、工具鏈無法形成體系等挑戰，51Sim推出端到端數據驅動閉環解決方案。該方案將3DGS、4DGS等新技術深度融合至場景重建與仿真引擎，在靜態層用3D高斯重建道路環境，在動態層使用高真實感3D模型，保留結構化動態場景仿真能力?；?DGS的LogSim閉環仿真功能可針對有價值的數據片段進行優化，支持基于原始視頻流實現主車變車道、對手車換車型和軌跡、增加及刪除對手車等場景仿真。

在數據處理層面，該方案引入大模型感知場景理解和挖掘能力，通過工作流引擎與自定義算子，支持用戶根據業務需求構建復雜多變的數據處理任務，減少人工干預，提升數據處理吞吐量和一致性。長城汽車攜手51Sim推進端到端行泊一體系統量產落地的實踐中，該方案助力其突破SIL和HIL測試中的仿真效率與置信度瓶頸，實現更可靠且可擴展的測試結果。

合成數據平臺服務多模態訓練需求

DataOne數據處理挖掘和合成數據平臺針對預期功能安全（SOTIF）問題中難以捕捉邊緣場景、小概率事件的痛點，提供低成本、高質量的合成數據生成能力。該平臺構建了包括車載攝像頭圖像和視頻流、脈沖相機、激光雷達數據、毫米波中頻數據、高精路網車道線等多模態數據生成框架，可生成車側攝像頭、路側攝像頭、無人機視角攝像頭多視角的合成數據，涵蓋2D/3D包圍盒、語義分割、實例分割、深度圖、法線圖、占用網格、光流等真值標注。

該平臺通過基于真實傳感器標定的物理級傳感器仿真方法，確保合成數據的精確性和時空一致性。北京大學馬雷牽頭的"面向自動駕駛場景的高真實感數據合成"研究課題中，利用該平臺生成了30T+高精度數字孿生場景合成數據，為視覺模型訓練、驗證和調優提供高真實感仿真數據。某雷視一體機廠商應用案例顯示，通過仿真訓練，其數據大模型準確率提升7%。某主機廠應用該平臺生成的合成數據后，測試集得分相對于原始模型提升5個百分點。

交通大模型推動行業智能化升級

TIMTransAI交通模型訓練及應用服務平臺通過深度學習算法、圖神經網絡、強化學習等技術構建時空數據模型和交通預測行業模型，解決傳統交通仿真依賴靜態歷史數據、經典理論和固定參數模型導致的泛化不足、計算效率低下等問題。該平臺可通過3DGS實現靜態場景重建，疊加動態交通場景庫，生成極端場景數據，借助域隨機化等技術提升場景泛化能力，降低真實數據采集成本。

平臺基于滿血版DeepSeekR1推理模型，結合檢索和生成技術，構建交通行業知識圖譜，實現秒級響應復雜咨詢。某交通科研院所應用案例顯示，TIMTransAI對宏觀交通態勢預測精度較傳統方法提升30%以上，同時實現對城市微觀路口的優化。某城市隧道項目中，該平臺通過算法和模型還原車輛在隧道內的軌跡，模擬隧道內微觀交通流，彌補因感知設備缺失造成的軌跡丟失和監管盲區，解決擁堵點，有效提高車輛通行速度與安全性。

51Sim表示，公司將持續深耕高置信度仿真技術，推動仿真體系從"手工搭建"走向"AI自動生成"，并將智能駕駛領域的落地經驗拓展到具身智能、智慧工業等物理AI應用場景。在標準化建設方面，公司將繼續參與ASAM OpenSCENARIO、OpenMATERIAL 3D等國際標準制定工作，護航高階智駕量產落地。在市場拓展方面，公司計劃將仿真技術能力延伸至智能裝備、低空飛行器、通用機器人等領域，為物理AI的進化提供更豐富、更真實的底層數據支撐。