aiSim6：面向ADAS/AD系统验证的高保真仿真测试平台
支持确定性仿真 | 物理级传感器模拟 | SiL/HiL闭环测试与标准化场景导入
帮助测试团队提升场景覆盖率 | 降低实车测试成本
康谋 aiSim6 仿真平台
aiSim 是一款专为高阶驾驶辅助系统（ADAS）及自动驾驶（AD）软件开发、验证与测试打造的高保真度、高实时性虚拟测试平台。
aiSim 可无缝集成客户现有的工具链，并支持与国内主流系统集成商的硬件台架自由组合，助力乘用车 NOA 与商用车特定场景的测试效率实现质的飞跃，大幅减少昂贵的实路测试成本。
典型应用场景
AEB / NOA 功能验证
感知算法回归测试
传感器融合算法验证
Corner Case 场景复现
雨雾夜间复杂环境测试
SiL 算法闭环测试
HiL域控 / ECU闭环验证
NCAP / 法规场景验证
功能介绍
全ODD实景数字孪生
基于神经重建技术（NeRF/3DGS），一键生成覆盖高速、城区、停车场等全 ODD 的三维数字孪生环境。将实路采数到高保真虚拟场景的重建周期缩短至小时级，提升场景复现效率。
物理级多模态传感器仿真
严格遵循物理定律，高保真模拟雨雪、浓雾、强光等极端天气下的光线反射与微波散射。支持多 GPU 分布式渲染，实时动态调整环境参数，为感知算法提供免调校（Sim-to-Real）的原始数据流（Raw Data）。
云原生场景编辑器
无需本地安装，基于浏览器即可完成地图导入、场景编辑、传感器配置及随机变量泛化。支持大规模团队并行协作与工作流敏捷集成，打通云端大规模自动回归测试。
实时神经渲染与确定性仿真
融合分布式GPU渲染、光线追踪与神经渲染技术。在支持 11V 级复杂传感器配置的物理高保真度的同时，保持100% 确定性可复现与硬实时吞吐，彻底消除仿真时序噪声。
车规级高精资产库
内置 5,000+ 高精度 3D 资产及配套工具链，涵盖各类特种车辆、弱势道路使用者（VRU）、标准地图模块及长尾场景模板。原生支持 OpenX 标准生态，分钟级搭建高价值测试用例。
ASIL-D 级车规认证
全球首个通过 TÜV 认证、符合ISO 26262 ASIL-D最高安全等级的仿真验证平台。基于确定性物理建模，测试报告具备国际车规级公信力，攻克高阶智驾与商用车出海的 SOTIF 合规准入痛点。
aiSim如何破解行业痛点
行业痛点
- 传统游戏渲染引擎（如CARLA、Unreal等）存在“非确定性”问题
- 同一段端到端代码在相同场景下跑两次
- 常因云端或本地的渲染时序微差导致感知算法输出不同结果（如前一帧有检测，后一帧漏检）
- 导致算法回归测试与 Debug 困难重重
aiSim物理确定性与生成式AI解法
- 像素级物理确定性
无论部署于本地工作站还是云端大规模集群，同一场景运行一万次，传感器输出数据（图像、点云）像素级完全一致，彻底消除仿真系统本身的背景时序噪声。
- 下一代 aiSim AIR 引擎
融合先进的物理光线追踪（Ray-tracing）与神经渲染技术，将智驾感知边界（如强逆光、大雨遮挡、远距离小目标检测）的仿真做到真正的物理级保真，实现 Sim-to-Real 的免调校迁移
行业痛点
- 乘用车高阶 NOA 与商用车（重卡、矿区）系统步入 11V 多相机+多雷达时代，数据流暴增
- 传统仿真软件在跑高保真物理渲染时，极易卡在显卡算力或内存带宽上
- 导致 HiL 视频注入时出现时延超标或严重丢帧，直接判定测试失败
aiSim 高实时、分布式架构解法
- 多节点与多 GPU 分布式渲染
原生基于先进的 Khronos Vulkan API 构建，支持将复杂的传感器物理级渲染任务，无缝且高并行地分发至多个显卡或计算节点。
- 高实时低延迟数据注入
深度优化内存管理与异步数据传输，在输出海量多模态传感器高保真数据的同时，确保硬实时（Hard Real-time）吞吐，完美卡准硬件在环的时序 KPI，实现零丢帧闭环。
行业痛点
- 传统仿真测试报告缺乏车规级公信力，无法直接用于安全准入及出海合规
- 长尾场景（Corner Cases）泛化极度依赖人工盲目调参，缺乏行业标准支撑
aiSim 汽车级认证与智能泛化解法
- 全球首款 ISO 26262 ASIL-D 认证仿真平台
仿真工具链及渲染结果具备车规级国际公信力，生成的测试报告直接赋能 SOTIF（预期功能安全） 与量产合规验证。
- aiFab 智能场景泛化工具： 原生支持 ASAM
OpenSCENARIO 等行业标准生态。通过自动化资产与内容管线，只需输入自定义关键参数矩阵，即可自动矩阵式迭代派生成千上万的高价值长尾场景。
应用场景
自动驾驶系统开发与验证
在aiSim中运行完整的自动驾驶算法进行测试，
如自动停车、高速巡航、城市交通避障等。
如自动停车、高速巡航、城市交通避障等。
ADAS功能的仿真测试
测试ADAS功能在不同天气、照明和交通状况下的表现，
如紧急制动辅助、车道保持、盲区监控等功能。
如紧急制动辅助、车道保持、盲区监控等功能。
传感器配置与校准
测试不同传感器（摄像头、雷达、激光雷达）组合，
以找到最佳配置。
以找到最佳配置。
合成数据生成与数据增强
生成多样化场景数据，用于训练和优化机器学习模型，
如低光照下的行人检测、雨雪天气中的车道线识别。
如低光照下的行人检测、雨雪天气中的车道线识别。
新型传感器测试
模拟强光、雨雾和夜间场景的传感器表现，用于检测其在极端天气条件下的稳定性。
传感器校准
测试传感器的响应速度、准确性和一致性，为不同传感器提供标准化的校准环境。
多传感器数据融合
测试不同传感器的组合效果，优化数据融合算法，减少或消除数据延迟和误差。
客户案例
通过卓越的技术，协助客户解决从数据采集、处理到仿真测试的全链路挑战，加速自动驾驶技术的落地与迭代
案例一：头部智驾科技企业-泊车SiL项目
核心痛点：原自研 SiL 工具耦合度高，泊车场景测试需联动云端资源，存在测试延迟高 、部分泊车测试用例无法覆盖等情况。
康谋解决方案
- 部署本地化泊车 SiL 工具链，采用模块化解耦设计
-
定制传感器模拟模块：支持毫米波雷达 + 摄像头融合仿真，
感知算法指标提升至98.2% -
开发自动化测试包：覆盖 APA、AVP 等 6 大泊车场景，
用例执行效率提升 40%
客户维护成本
降低 35%
测试周期
从14天压缩至5天
案例二：头部Tier1- HIL 台架替代项目
核心痛点：客户原有传统仿真软件无法满足端到端智驾模型需求，感知数据噪声率高，HDMI 台架延迟不符合客户要求；同时置信度标准缺失。
康谋解决方案
- 定制 aiSim 仿真方案，包括场景重建
- 提供《仿真与实车匹配报告》
-
标定与渲染优化：部署标定板 + 第三方模型套件，
GPU 集群渲染 10 万平方米场景效率提升至实时速率
延迟优化至15ms
节省成本预估 $300K
案例三：TOP高校-虚实结合仿真平台
核心痛点：高校自动驾驶算法研究缺乏高保真仿真测试平台，实车路测成本高、场景覆盖不足，算法迭代效率低。
康谋解决方案
- 交付基于 aiSim 的闭环仿真测试平台
- AI 代理行为库，含 50 种驾驶员画像
- 标准化高风险场景库，含 500 个场景
- CI/CT 自动化测试管线，实现 7x24 小时不间断回归测试
算法回归测试周期
从数周缩短至数小时
测试场景覆盖度
提升至 99% 以上
行业合作伙伴
康谋是领先的智能驾驶与具身智能解决方案提供商，致力于为企业提供完善的智驾与机器人工具链。
首个通过ISO 26262 ASIL-D的仿真平台
从软件验证到硬件闭环，从场景复现到神经网络重建 →