技术分享
车辆仿真与AI的结合应用
在自动驾驶领域，实现高质量的虚拟传感器输出是一项关键的挑战。所有的架构和实现都会涉及来自质量、性能和功能集成等方面的需求。因此，我们更加关注多个因素的协调，提供了aiSim传感器实现的神经网络渲染仿真方案，在aiSim能够在现有功能上实现多用途扩展的同时，也可以最大程度上保留原始特性。
一、现有问题
从当前学术界对于神经渲染的研究来看，不同的方案都会给虚拟世界带来一定的限制，从而无法让仿真充分发挥作用。我们在aiSim中提供了一种不同且具有更高集成度的方案，即aiSim的通用高斯泼溅渲染器（General Gaussian Splatting Renderer），这一方案结合了渲染速度、集成灵活性和卓越的视觉保真效果，为当下的神经网络三维重建技术带来了新的内容。
其中一点是传统方案中，广角镜头的渲染和处理总是不尽人意，但这一传感器又是自动驾驶仿真中最为常见的用例之一。而在aiSim的方案中我们克服了这一局限性。
二、高斯泼溅解决方案
原始的算法在高斯泼溅投射的处理过程中往往会引入若干限制，阻碍了传感器的合理渲染，主要源于是近似误差（approximation error），当处理FOV更大的镜头时，误差会显著增大。
左边是原始解决方案，它无法从六个摄像头中一致地生成图像。右边是aiSim的解决方案，它消除了这个问题，并能投射出一致的图像。
这种独有的方案不仅能够处理相机传感器，还能够处理其他基于光线追踪的传感器类型，比如LiDAR和Radar。而在之前的ADAS/AD仿真中，无法扩展到不同传感器模式则是大多数神经渲染解决方案面临的最大挑战之一。
为此，我们重现思考了高斯泼溅解决方案，重建算法流程，通过新一套的高斯泼溅渲染器完美解决了前述的限制，完美的组合了各种虚拟镜头组合的畸变图像。
因此，当前的生成模型不适用于汽车级验证。
三、aiSim通用高斯泼溅渲染器
