51Sim推出世界模型驱动仿真体系

近日，媒体获悉，五一视界旗下数据及仿真平台业务版块51Sim在智能驾驶仿真领域持续深化技术布局，推出基于世界模型的下一代仿真技术体系。该公司自2017年作为51WORLD孵化的业务版块以来，专注于为自动驾驶、具身智能等物理AI应用场景提供高置信度仿真解决方案，目前已累计服务近百家行业客户，业务覆盖中国及德国等欧洲市场。

51Sim构建的仿真技术底座涵盖SimOne智能驾驶与机器人仿真平台、4DGS闭环仿真体系、DataOne数据处理挖掘平台、TIMTransAI交通模型训练平台等产品矩阵。公司在2024年度获评ASAM合作伙伴，并作为参编单位参与《中国智能网联汽车自动驾驶仿真测试白皮书（2023版）》编写工作，技术研发团队毛祖秋在内的多位行业人员。

51Sim团队成员长期参与国际标准化组织ASAM的OpenSCENARIO、OpenMATERIAL 3D等多项标准制定工作。高级研发经理毛祖秋于2024年入选ASAM首批库，并在2025年度担任OpenSCENARIO标准领域模型对齐组组长。公司在2024年10月获得ASAM奖，其研发团队在3DGS混合仿真引擎、激光雷达约束扩散模型等前沿技术方向取得多项突破，2025年11月主导的LidarPainter研究成果获AAAI2026录用（录取率17.6%）。

世界模型重构仿真生产范式

传统自动驾驶仿真依赖人工建模和规则驱动，存在构建周期长、成本高、泛化能力有限的问题。51Sim针对端到端智驾算法对高保真、多模态测试环境的需求，推出以"4DGS重建+生成式世界模型"为依托的下一代仿真技术底座。该技术体系通过神经场景重建技术，可将一段真实视频clip转换为可用于神经渲染的4D场景，结合世界模型对大规模历史数据的学习能力，实现对环境变化的理解与预测。

在数据价值放大层面，世界模型技术可对海量真实数据中的车辆、轨迹、视角等关键要素进行修改，将高价值数据进行成百上千倍的泛化。该方案通过摩尔线程KUAE智算集群提供统一算力底座，支持神经场景重建、世界模型训练、闭环仿真测试、合成数据生产、强化学习训练等多类任务并行运行。实测数据显示，基于该体系的智驾算法迭代效率相较于路测提升百倍，动力学仿真、激光雷达仿真及摄像头仿真的置信度分别达到95%、95%、90%，仿真测试与场地测试对比一致性达92%。

LidarPainter突破场景重建效率瓶颈

在场景重建的工程化应用中，51Sim研发的LidarPainter模型采用单步扩散与激光雷达约束融合的技术路径，解决了传统方法偏离原始采集路径后容易失真的问题。该模型通过扩散模型对低质量重建场景进行二次重建，确保几何结构准确一致、纹理完整、细节清晰。性能测试显示，LidarPainter处理速度比业界前沿方法StreetCrafter提升7倍，显存占用为后者的五分之一。

该技术已在多家主机厂的算法和测试部门实现产业化落地应用，支持从实车数据到可编辑、可拓展智驾场景的闭环重建路径。某主机厂应用案例显示，通过该技术重建的场景可支持SIL/HIL测试，快速生成海量高保真仿真场景，并可增加极端天气、复杂路况等corner case场景的数量级，有效降低实车路测成本。该方案在保证数据置信度的前提下，实现了数据泛化性和复用性的指数级提升。

数据驱动闭环解决端到端测试痛点

针对端到端时代下数据复用性差、数智割裂、工具链无法形成体系等挑战，51Sim推出端到端数据驱动闭环解决方案。该方案将3DGS、4DGS等新技术深度融合至场景重建与仿真引擎，在静态层用3D高斯重建道路环境，在动态层使用高真实感3D模型，保留结构化动态场景仿真能力。基于4DGS的LogSim闭环仿真功能可针对有价值的数据片段进行优化，支持基于原始视频流实现主车变车道、对手车换车型和轨迹、增加及删除对手车等场景仿真。

在数据处理层面，该方案引入大模型感知场景理解和挖掘能力，通过工作流引擎与自定义算子，支持用户根据业务需求构建复杂多变的数据处理任务，减少人工干预，提升数据处理吞吐量和一致性。长城汽车携手51Sim推进端到端行泊一体系统量产落地的实践中，该方案助力其突破SIL和HIL测试中的仿真效率与置信度瓶颈，实现更可靠且可扩展的测试结果。

合成数据平台服务多模态训练需求

DataOne数据处理挖掘和合成数据平台针对预期功能安全（SOTIF）问题中难以捕捉边缘场景、小概率事件的痛点，提供低成本、高质量的合成数据生成能力。该平台构建了包括车载摄像头图像和视频流、脉冲相机、激光雷达数据、毫米波中频数据、高精路网车道线等多模态数据生成框架，可生成车侧摄像头、路侧摄像头、无人机视角摄像头多视角的合成数据，涵盖2D/3D包围盒、语义分割、实例分割、深度图、法线图、占用网格、光流等真值标注。

该平台通过基于真实传感器标定的物理级传感器仿真方法，确保合成数据的精确性和时空一致性。北京大学马雷牵头的"面向自动驾驶场景的高真实感数据合成"研究课题中，利用该平台生成了30T+高精度数字孪生场景合成数据，为视觉模型训练、验证和调优提供高真实感仿真数据。某雷视一体机厂商应用案例显示，通过仿真训练，其数据大模型准确率提升7%。某主机厂应用该平台生成的合成数据后，测试集得分相对于原始模型提升5个百分点。

交通大模型推动行业智能化升级

TIMTransAI交通模型训练及应用服务平台通过深度学习算法、图神经网络、强化学习等技术构建时空数据模型和交通预测行业模型，解决传统交通仿真依赖静态历史数据、经典理论和固定参数模型导致的泛化不足、计算效率低下等问题。该平台可通过3DGS实现静态场景重建，叠加动态交通场景库，生成极端场景数据，借助域随机化等技术提升场景泛化能力，降低真实数据采集成本。

平台基于满血版DeepSeekR1推理模型，结合检索和生成技术，构建交通行业知识图谱，实现秒级响应复杂咨询。某交通科研院所应用案例显示，TIMTransAI对宏观交通态势预测精度较传统方法提升30%以上，同时实现对城市微观路口的优化。某城市隧道项目中，该平台通过算法和模型还原车辆在隧道内的轨迹，模拟隧道内微观交通流，弥补因感知设备缺失造成的轨迹丢失和监管盲区，解决拥堵点，有效提高车辆通行速度与安全性。

51Sim表示，公司将持续深耕高置信度仿真技术，推动仿真体系从"手工搭建"走向"AI自动生成"，并将智能驾驶领域的落地经验拓展到具身智能、智慧工业等物理AI应用场景。在标准化建设方面，公司将继续参与ASAM OpenSCENARIO、OpenMATERIAL 3D等国际标准制定工作，护航高阶智驾量产落地。在市场拓展方面，公司计划将仿真技术能力延伸至智能装备、低空飞行器、通用机器人等领域，为物理AI的进化提供更丰富、更真实的底层数据支撑。