申请技术丨51Sim合成数据平台
申报领域丨汽车软件
独特优势:
独特优势: AI2.0时代，数据需求在指数级增长，现有的数据存量与增长速度却远不足支撑更先进AI的训练，合成数据依靠自身更高效、更低成本、更高质量的优势应运而生；合成数据可以解决日常感知训练中难以获取数据以及数据量少、质量差等一系列问题，早在2020年51Sim便开始了对合成数据的技术探索与落地应用，如今已构建起了大量高质量的合成数据集及针对3D数据生产的工具链，并落地了大量的标杆案例。
应用场景:
应用场景: 1、预期功能安全是自动驾驶车辆落地的重要保障，主要用于解决由功能不足或者由可合理预见的人员误用所导致的危害和风险。为了应对日常感知训练中难以获取的数据，51Sim利用先进的仿真技术构建各类低概率、高风险的边缘场景，以增加训练样本和多样性，提升感知算法泛化能力，帮助主机厂加速模型训练，有效解决预期功能安全问题。 2、随着国内汽车市场竞争日趋激烈，越来越多车企加速海外市场布局。但在实际落地中，主机厂们往往会遭遇严苛的数据安全监管。部分场景数据采集困难，无法完成自动驾驶系统的本地化适应性训练，严重阻碍了出海进程。51Sim帮助该车企生成交通标志牌、停车场等场景合成数据，既解决了数据获取的挑战并兼顾数据隐私保护。 3、通过构建技术国际领先、面向视觉模型应用落地的多模态数据标注的高逼真度合成场景数据集，推动视觉预训练大模型在自动驾驶场景应用落地。 4、路侧感知是车路协同系统的重要组成部分, 这就需要针对道路交通事故、违章行为进行大量算法训练。基于机器学习的识别算法需要大量的标签数据, 而人工打标签被验证是一个效率极其低下的方式。同时，真实交通场景十分复杂，基于实采的事故和违章场景数据量严重不足，使得训练难度和成本很高，限制了算法的研发进度。此外雷视一体机硬件也需要厂商提供设备的识别准确率，基于路侧模拟难以完全实现。而通过对城市道路的高精路网等全要素还原，并借助TransAI对车流进行了模拟还原，由此形成道路数据集。基于数据集进行事故和违章场景构建，可泛化出数十万种不同场景，最大限度还原真实交通环境中超速、违停、违章变道的相关特性。在仿真环境中输出带标签的激光雷达点云数据, 通过与感知算法识别的点云结构化结果进行对比，验证感知算法的准确性。
未来前景:
未来前景:随着AI的发展，数据需求量越来越大，现有数据存量不足以支撑大规模AI训练，且可获取的数据存在获取难度大、质量低等问题；而合成数据则可以很好解决这个问题，合成数据不仅可以通过现有数据生成动静态场景，高度还原多样性、全要素场景，还可以通过调整一系列参数来泛化出多样化的场景，生成大规模高质量、低成本的合成数据，来帮助智能驾驶仿真应用落地。
金辑奖介绍:
“金辑奖”由盖世汽车发起，旨在“发现好公司，推广好技术，成就汽车人”， 并围绕着“中国汽车新供应链百强”这个主题进行展开，本届金辑奖重点聚焦智能驾驶、智能座舱、智能底盘、汽车软件、车规级芯片、大数据及人工智能、动力总成及充换电、热管理、车身及内外饰、新材料十大细分板块，进行优秀企业及先进技术解决方案的评选，向行业内外展示这些优秀的企业和行业领军人物，共同推动行业的发展和进步。
