本文提出了一种基于 GeoSim 的几何感知图像合成过程，通过从其他场景中提取的动态对象进行图像合成从而合成新的城市驾驶场景，该方法能够生成真实的、交通意识的、几何一致的合成图像，适用于复杂的场景规模，并演示了其在长程实际视频模拟和合成数据增强等领域的有用性。

Jan, 2021

通过隐式渲染技术和生成模型对数据进行生成，我们提出了 OASim，一种自适应的开放式模拟器和自动驾驶数据生成器，具有高质量的场景重建、轨迹编辑、车辆模型库、传感器模型库和可定制的数据生成系统等特点。

Feb, 2024

本研究基于虚幻引擎开发了一个模拟器，支持模拟物理、可视化，可为自主驾驶汽车的机器学习算法提供大量标注过的训练数据，并支持硬件仿真，本模拟器架构具有可扩展性和模块化设计。同时，研究者还使用四轴飞行器作为自主车辆进行了实验比较软件组件和实际飞行情况，表明了其应用价值。

May, 2017

自主车辆需要行驶超过 110 亿英里以确保其安全性。因此，在进行真实世界测试之前进行模拟测试的重要性是不言而喻的。近年来，以 Carla 和 CarSim 为代表的自主驾驶三维模拟器的发布，标志着自主驾驶模拟测试环境从简单的 2D 俯视图过渡到复杂的三维模型。本论文提出了一个基于深度强化学习的自动生成程序的框架，该框架可以生成不同的二维地面脚本代码，用于构建三维模型文件和地图模型文件。生成的三维地面场景在 Carla 模拟器中显示，实验者可以使用该场景进行导航算法模拟测试。

Jul, 2024

基于神经辐射场（NeRF）的自主驾驶模拟器具有独立的前景模型和背景环境网络，支持模块化设计，实现了最新的照片级逼真效果，并将以开源形式发布，为自主驾驶模拟的学术进展和行业部署提供支持。

Jul, 2023

本文介绍了用于自动驾驶的高保真度模拟器 LGSVL Simulator，可与 Autoware 和 Apollo 等开源自动驾驶栈完美搭配使用，并提供自定义传感器、可控对象和环境数码孪生等功能。

May, 2020

实现安全可靠的自动驾驶车辆开发的关键是逼真的模拟。传感器模拟是其中的核心组成部分，可以在模拟中测试整个自主系统。然而，目前的基于传感器数据的自动重建方法在野外数据的稀疏性和噪声方面存在问题。为了解决这些问题，我们提出了 CADSim 方法，它通过小量 CAD 模型的部件感知目标类别先验和可微分渲染来自动重建包括有良好真实感的车辆几何形状，包括关节轮。我们的实验证明，与现有方法相比，我们的方法可以更准确地从稀疏数据中恢复形状，并且训练和渲染效率高。我们在几个应用中展示了我们重建的车辆，包括对自主感知系统的准确测试。

Nov, 2023

ChatSim 是第一个通过自然语言指令和外部数字资产实现可编辑的照片级 3D 驾驶场景模拟的系统，它利用大型语言模型 (LLM) 代理协作框架实现了高命令灵活性的编辑，并采用了新颖的多摄像机神经辐射场方法以实现逼真的结果，还借助了新颖的多摄像机光照估计方法以实现场景一致的资产渲染，实验证明 ChatSim 能处理复杂的语言指令并生成相应的逼真场景视频。

Feb, 2024

本文提出增强现实自动驾驶模拟 (AADS) 方法来帮助自动驾驶技术的开发和测试，使用 LiDAR 和相机扫描街道场景并生成高度真实的交通流量以用于场景复原，其兼具虚拟环境灵活性和真实世界的真实性，实现了全方位的自动驾驶系统感知到规划的端到端训练和测试。

Jan, 2019

基于生成模型的高效模拟器可用于改进自动驾驶系统的可扩展性、安全性和降低工程成本，这种创新设计可用于生成各种驾驶场景，提高推理和训练速度，适用于在线强化学习、规划策略评估和测试的高保真度仿真器。

Jul, 2024