导语:
当一辆智能网联汽车驶上上海街头之前,它需要先在一个看不见的“训练场”里经历无数次极端天气、突发 cut-in 与混乱交通流的考验。这个训练场不在嘉定或临港的封闭测试区,而在拉孚Larfe的MView虚拟空间推演引擎之中。近期,拉孚联合智能汽车创新发展平台(上海)有限公司,将空间智能与物理AI的底座能力延伸至自动驾驶仿真评测领域,打造智能网联汽车测试与示范仿真评测场景的专属Skill。这标志着拉孚从楼宇、工厂、机场等实体空间的数字化,向自动驾驶虚拟训练空间的战略性跃升。
从物理世界的数据基石到虚拟空间的推演引擎
拉孚Larfe的定位始终清晰:做AIoT基础设施产品,为AI理解物理世界提供数据基础。在实体空间中,拉孚通过Larfelink硬件矩阵与泛感知技术,让建筑、园区、厂房里的设备节点自主互联、状态可感。而MView虚拟空间推演引擎的存在,让这些物理空间的数据积累获得了另一重价值:在数字世界中重建高保真场景,并注入可控的变量与扰动。
这一能力迁移到自动驾驶仿真领域,恰好击中了行业的核心痛点。真实道路测试无法高频复现危险场景,一场暴雨中的行人横穿、一次高速上的前车急刹,在开放道路上等待成本极高且不可控。拉孚的MView引擎依托虚拟传感器技术与生成式交通流仿真能力,在绝对安全的数字环境中对这些长尾场景进行高强度压力测试,实现“零风险”摸底。这正是上海市自动驾驶实训场体系中“前置性仿真评测系统”的关键拼图。
评测能力落地:把原则性法规翻译成可运行的仿真语言
上海市智能网联汽车测试与示范的实施办法对测试主体提出了明确的数据接入与安全评估要求,但原则性条款要转化为可执行、可复现的评测结论,需要一套精密的技术转译系统。拉孚参与打造的仿真评测Skill,核心任务之一便是完成这种转译:将管理办法与相关标准中的要求,拆解为仿真环境中的具体测试场景、量化指标与判定规则。
系统构建了覆盖“法规标准仿真场景库”与“上海典型驾驶场景”的虚拟测试库。前者确保评测的合规底线,后者则深度融入本地交通特征——上海高架匝道的汇流博弈、老城区路口的人车混行、台风季的积水路面,都被转化为数字孪生测试场景。在此之上,平台建立了涵盖安全性、鲁棒性、舒适性与效率性的多维量化指标体系,突破传统以“通过与否”为唯一标尺的单一评判模式。对于政府监管部门而言,这套系统为道路测试前的准入评估提供了科学、可量化的技术依据,监管效率与公信力同步提升。
技术底座:3DGS渲染与OpenScenario原生兼容
高保真仿真评测的说服力,首先来自视觉真实度与场景一致性。拉孚在技术方案中集成了3D高斯泼溅(3DGS)实时渲染引擎。3DGS凭借实时渲染效率与高保真重建能力,近年来在自动驾驶场景重建与仿真领域受到广泛关注,能够从多视角图像中快速构建具有精细几何结构的静态背景与前景目标。在MView引擎的框架下,这意味着仿真画面中的车道线磨损、路牌反光、雨天路面材质变化,都更接近真实传感器捕获的视觉特征,从而让感知算法在仿真中获得的训练与评测结论更具迁移价值。
同时,系统原生兼容OpenScenario标准,场景定义与交换遵循行业通用规范,便于与车企及检测机构已有的工具链对接。生成式AI与规则引擎的融合,则让场景构建从人工编排走向自动泛化:给定一个基础路口模板,系统可以生成不同光照、不同交通密度、不同参与者行为模式的变体,将单一场景扩展为具有统计意义的测试场景集。
HIL闭环:从软件仿真到硬件在环的完整评估链路
仿真评测的终极检验,在于被测对象是否在接近真实的信号环境中做出正确决策。项目技术目标明确提出依托硬件在环(HIL)技术,形成高保真、可量化、可复现的自动驾驶能力闭环评估能力。拉孚的仿真评测系统与HIL台架设施集成后,虚拟传感器生成的感知数据流直接注入真实域控制器,车辆的规划控制算法在闭环中接受评测,而非停留在离线回放层面。
这一闭环的价值在于打通了“场景—仿真—评测”的全链路。业务服务系统负责评测流程的编排与结果管理,场景统一管理系统维护场景库的版本与分类,核心仿真软件提供物理引擎与传感器模型,HIL台架则承载真实硬件的响应验证。多级验证体系涵盖单元测试、集成测试与HIL回归测试,配套自动化部署与运维监控,确保系统在持续迭代中保持高可用性。
中长期演进:从预设脚本到现实反哺
眼下,系统优先满足测试与示范运营的评测需求,确保平台可用、结论可信。而拉孚在架构设计中预留了清晰的演进路径。按照规划,中期将在保持准入判定一致性的前提下,逐步引入新的评测技术作为增强手段,提升自动化水平与场景规模。更长远来看,评测模式将从“预设脚本”向“现实反哺+混沌扰动”转变:真实道路测试中积累的边缘案例数据回流至仿真场景库,经过自动化处理后成为新的测试用例;混沌扰动机制则在场景中注入不可预期的随机因素,检验算法在非理想条件下的鲁棒边界。
与此同时,平台持续沉淀的上海本地交通场景数字档案,本身即是一项数据资产。极端天气下的道路附着系数变化、大型活动期间的交通流重组、施工路段的临时交通组织,这些具有鲜明地域特征的场景数据,不仅服务于自动驾驶评测,也为未来城市交通管理的优化提供了可回溯、可分析的虚拟实验环境。
空间智能的下一站:让AI在虚拟与物理之间自由穿行
拉孚的愿景是“让空间充满AI”。在实体空间,这句话意味着楼宇能感知人的存在而调节光与温度,工厂能预判设备状态而调度维护。在虚拟空间,它的含义同样清晰:让AI在MView引擎构建的数字孪生中反复试错、学习、进化,然后将习得的能力安全地释放到物理世界的车辆与道路之上。从实体空间的数据采集与设备连接,到虚拟空间的场景生成与推演评测,再到自动驾驶仿真中物理AI的落地训练,拉孚的垂直场景智能体与AI原生开发平台在这一跨域链路中得到了充分的应用验证。
当一辆自动驾驶车辆最终驶出实训场、进入上海的真实车流,它身上承载的不仅是自身的算法权重,还有那个在虚拟空间中无数次推演过的“数字上海”所赋予的经验。拉孚Larfe所做的,正是让这种经验的积累更快、更密、更接近真实世界的复杂与不确定。数字化地球每一个角落,也包括那些尚未在物理世界发生、却需要在虚拟世界中被反复预演的危险瞬间。

扫一扫,或长按识别二维码
关注艾瑞网官方微信公众号
