芯耀
386
佐思汽研發(fā)布《2025年智能駕駛仿真與世界模型研究報告》。
世界模型給智能駕駛仿真帶來創(chuàng)新
在向L3及以上高階自動駕駛邁進中，端到端技術的發(fā)展對高質量的數據規(guī)模、場景多樣化覆蓋、物理真實性保障、多模態(tài)同步生成、行為邏輯合理性以及迭代效率的提升都提出了更高要求。
高質量智駕核心三要素（數據、模型、算力）中，場景數據的質量和數量正成為拉開智駕體驗的關鍵所在；而高階輔助駕駛算法模型訓練需要千萬級視頻片段并生成長時序多模態(tài)駕駛場景，而真實路采的長尾場景比較有限，無法滿足E2E算法訓練的高質量數據喂養(yǎng)。
仿真自動化測試正成為車企及供應商縮短開發(fā)周期、降本增效、解決長尾場景覆蓋不足、高危工況復現困難等挑戰(zhàn)的利器。同時，由于世界模型是能夠理解現實世界環(huán)境的物理特性和空間屬性，正被越來越多的車企及頭部Tier1所采用。
GAIA-2世界模型生成的多樣化長時序場景
目前，針對智能駕駛訓練，場景數據主要有以下幾個來源：
一是基于真實路測數據回放的仿真技術，優(yōu)點是場景真實性高，主要用于復現路測問題場景，驗證算法修復效果；
二是人工定義的參數化場景（如OpenScenario格式），特點是標準化測試、邊界條件探索，場景可控性強；
三是將真實路測數據（logsim）轉換為可泛化的虛擬仿真場景（Worldsim），核心功能為數據驅動的場景生成與泛化，構建高置信度仿真場景庫，支持場景衍生與自動化測試，場景覆蓋效率得到了提升。
四是世界模型（World Model）通過AI構建對物理世界的內部表征，實現環(huán)境狀態(tài)預測與反事實推理的智能模型，數據來源是多模態(tài)數據（圖像、文本、物理規(guī)則）與強化學習生成數據，其優(yōu)勢具備因果推理能力、支持未知場景預測，然而世界模型需要的計算資源比較高，模型的可解釋性需要提升，同時也存在數據偏見風險。
世界模型也在多方面展現出優(yōu)勢，比如在環(huán)境感知與理解、未來場景演變預測、決策與規(guī)劃優(yōu)化、數據生成與訓練增強、仿真與測試驗證以及系統(tǒng)泛化能力提升等方面。下圖通過典型主機廠和Tier1應用世界模型的案例，來一瞥世界模型給智能駕駛訓練帶來的創(chuàng)新。
來源：佐思汽研《2025年智能駕駛仿真與世界模型研究報告》
全鏈路安全驗證，正在推動仿真走向跨域融合
當前自動駕駛安全驗證已從單一功能測試轉向全鏈路閉環(huán)驗證，仿真技術正突破傳統(tǒng)邊界，向跨域協同深度融合，其核心驅動力包括技術融合加速、工具鏈整合等方面。
具體來看：
技術融合加速：AI驅動場景生成對于構建高質量訓練數據集至關重要，如DriveDreamer4D、OASIS SIM的生成式AI技術，將長尾場景生成效率提升10倍（如51Sim單日生成3.2萬極端場景）；與此同時，多域模型聯動趨勢明顯，比如車輛動力學（PanoCar）、傳感器（物理級雷達建模）、交通流（SUMO/VISSIM）與云端世界模型（如理想MindGPT）協同仿真，構建數字孿生閉環(huán)。
工具鏈整合：頭部方案商（如地平線AIDI平臺、深信科創(chuàng)OASIS）已實現“感知-規(guī)劃-控制-車路云”全棧工具鏈集成，支持從MIL到VIL的無縫銜接。例如，地平線UniAD框架通過端到端模型，將感知-規(guī)劃延遲壓縮至50ms級，并在仿真中驗證多車博弈策略。
由于艙駕融合、跨域融合應用的發(fā)展，仿真也在走向跨域融合。行業(yè)內推出了針對汽車各域的仿真測試解決方案，并融合軟件硬件工具/平臺，積極推進跨域的聯合測試。整體來看，目前主機廠和供應商正在推進的跨域仿真主要集中在智能座艙+智能駕駛跨域融合、智能底盤+智能駕駛跨域融合、三電+熱管理融合、車聯網+智能駕駛融合，以及全域數字孿生等方面。
比如：
清研精準主動懸架HIL、浙江天行健PanoCar在懸架-規(guī)劃聯合仿真，解決跨域控制時延問題，提升極端工況穩(wěn)定性（側傾減少≥15%）；
芯驛電子旗下AUMO傲目與比亞迪合作開發(fā)智能座艙與駕駛域融合測試方案，利用W50實現艙內視覺系統(tǒng)（DMS/OMS）與自動駕駛算法的協同驗證，支持車艙域與駕駛域數據互通，加速“艙駕一體”技術落地。
2025年Q1，Mercedes-Benz聯合VECTOR開展集中式電子架構虛擬化驗證，基于SIL Kit中間件實現域控制器（如自動駕駛域、車身域）的分布式仿真測試，優(yōu)化跨域通信與功能集成效率。
2024年10月，東方中科與長城汽車合作開展智能座艙、智能駕駛、智能網聯等跨域聯合測試方案，涵蓋信號級仿真到整車級測試的一站式服務。
昆易電子座艙HIL測試，基于昆易RTPC的高實時性系統(tǒng)，配合昆易高階自動駕駛數據閉環(huán)測試解決方案，提供360環(huán)視、駕駛員監(jiān)控、流媒體后視鏡等場景仿真，滿足車云一體、艙泊一體、艙駕一體等高性能測試需求。
來源：佐思汽研《2025年智能駕駛仿真與世界模型研究報告》
提升仿真置信度方面的行業(yè)進步
仿真測試目前最大的痛點之一是置信度問題，行業(yè)需要思考如何才能保證場景仿真的高保真度、傳感器模型的高精度、動力學模型的高置信度、以及仿真的實時性、數據帶寬、數據接口的穩(wěn)定性等挑戰(zhàn)。
在提升仿真置信度方面，主要有以下幾條路徑。
01、AI技術應用
目前，AI技術逐步應用到仿真測試工程落地中，大大加速測試驗證的自動化效率，進而加速汽車開發(fā)的效率，舉例來看:
2025年2月 IAE智行眾維?攜手眾鏈科技共同推出業(yè)內首款集成DeepSeek R1大模型的AI場景生成工具，率先實現“文本指令一鍵生成高質量OpenDRIVE與OpenSCENARIO標準場景”的端到端解決方案，支持從簡單ADAS測試到復雜交通規(guī)則到極端工況場景的智能化生成，覆蓋ADAS、城市NOA、V2X等全場景需求，場景構建效率提升300%，支持CARLA、VTD、Prescan等主流仿真軟件無縫對接。
2024年12月，AVL發(fā)布AI仿真助手ChatSDT，簡化并提升用戶與AVL仿真組件的互動體驗；MathWorks也推出了MATLAB大語言支持包，旨在將大語言模型（ChatGPT、Qwen、DeepSeek等）與MATLAB/Simulink深度集成，提升工程開發(fā)效率。
02、開源數據集
此外，中汽協等正積極推動數據開源計劃工作，已發(fā)布Coral Data開源數據、車路云一體化仿真場景開源數據等近20項數據集，還有車企開源的端到端自動駕駛公開數據集，以及智能駕駛世界模型相關公開數據集等訓練數據來源，開源旨在助力高效復用這些高質量場景數據集，避免行業(yè)內重復建設。
2025 年4月，ASAM OpenMATERIAL 3D 1.0.0 標準正式發(fā)布。該標準針對物理材質屬性和三維物體描述提出了規(guī)范格式，精確定義折射率、表面粗糙度、磁導率等特性參數。通過提供精確、標準化的3D資產與材料屬性，該標準提升了感知傳感器仿真的效果，使激光雷達、毫米波雷達和攝像頭的輸出更為真實。
03、仿真工具升級
仿真測試企業(yè)也紛紛更新升級仿真軟件工具/平臺功能，比如PreScan軟件版本2503，HEXAGON VTD/MSC/ADAMS/KISSoft仿真軟件，CarMaker14.0, AURELION 24.3, MATLAB/Simulink R2025a, Ansys 2025R1,Oasis SIM 3.0、aiSim智駕仿真軟件UE5.5升級，千行系統(tǒng)V3.0新增20+功能特性，PanoCarV1.7 ?PanoSim V33版本等等（詳見報告）。
來源：佐思汽研《2025年智能駕駛仿真與世界模型研究報告》
