自动驾驶模拟再进化：Wayve推出PRISM-1,打造更真实高效的训练环境
2024年6月17日,英国知名自动驾驶技术公司Wayve发布了一款名为PRISM-1的场景重建模型,该模型能从视频数据中重建高度复杂的4D场景（3D空间+时间）。PRISM-1为Wayve的闭环神经模拟器Ghost Gym提供了更灵活的场景表示,极大扩展了可模拟的场景种类,为自动驾驶模拟领域带来革命性的真实感和效率提升。

仿真技术：自动驾驶发展的加速器
一直以来,模拟在自动驾驶的开发中发挥着至关重要的作用。作为一种安全、可重复、低成本的测试和改进驾驶模型的方法,模拟环境能够提供高度一致的测试条件,助力开发者快速迭代算法,并探索各种“假设”场景,大幅加速开发进程。
自2023年12月推出Ghost Gym以来,Wayve从未停止提升其模拟技术水平的脚步。Ghost Gym是一款专为自动驾驶设计的尖端闭环神经模拟器,它能够提供高度一致的测试条件,用于评估和验证驾驶模型,并支持通过改变车辆的视角、位置或速度来增强场景,为开发者提供强大的仿真测试工具。
模拟不仅能够增强对驾驶模型的评估,还能通过引入新的、更具挑战性的场景来改进训练数据,例如模拟新的地理区域或罕见的天气条件。此外,模拟还能帮助开发者有效地测试驾驶模型对不同车辆平台或相机设置的适应性,提升模型的泛化能力。
PRISM-1：攻克动态城市场景模拟难题
打造真正有效的自动驾驶模拟器,环境的真实性是关键所在。然而,模拟城市环境,尤其是准确地表示行人、骑自行车的人和车辆等动态元素,一直是自动驾驶领域的一大挑战。
传统的场景图方法在处理动态交互和复杂环境条件方面存在局限性。为了克服这些挑战,Wayve另辟蹊径,推出了PRISM-1,一种全新的场景重建方法,旨在更准确、更灵活地理解和表示复杂环境,为自动驾驶仿真技术带来突破。
PRISM-1：4D场景重建的重大突破
PRISM-1代表了4D场景重建领域的重大进步,它能够以极低的工程成本重新模拟复杂多变的动态场景,并强调泛化性和可扩展性。其主要特点包括：

自监督场景解耦：PRISM-1无需任何人工标注,即可自动分离场景中的静态和动态元素,使其易于泛化到不同的相机设置,而无需额外的传感器或显式3D信息,大大降低了数据采集和处理的成本。
灵活的框架：PRISM-1能够有效地处理城市环境中常见的各种元素,包括车辆、骑自行车的人、行人以及交通信号灯等,并能捕捉刹车灯、雨刷、路边碎屑等细节,展现出惊人的细节处理能力。
可扩展的表示：即使场景复杂性升级,PRISM-1依然能够保持高效,最大限度地减少了工程量,并减少了传统建模技术通常出现的错误传播问题,确保仿真结果的准确性和可靠性。

PRISM-1提供了一种灵活的场景表示方法,可以有效地扩展到我们在道路上每天遇到的各种场景。它重建详细、高保真场景的能力满足了自动驾驶动态世界中闭环模拟和模型训练的严格要求,为自动驾驶仿真技术树立了新的标杆。
新颖的视图合成：多角度还原真实场景
PRISM-1的另一大亮点在于其新颖的视图合成能力。不同于传统的场景重建方法通常依赖于从多个视点捕获的数据,PRISM-1仅需从车辆在环境中行驶时捕获的稀疏图像集,即可重建场景,并从不同角度、不同时间点还原场景,为开发者提供更灵活的视角选择。
这种能力对于测试自动驾驶系统在各种“假设”场景下的行为至关重要,例如在遇到突然出现的行人或车辆时,系统如何做出反应。PRISM-1能够准确地模拟交通信号灯的变化、车辆的刹车和转向灯,以及行人的各种动作,从而为自动驾驶系统提供更真实、更全面的测试环境,帮助开发者更好地评估和改进系统性能。
展望未来：Wayve引领自动驾驶模拟技术发展
Wayve表示,PRISM-1只是其在自动驾驶模拟技术领域持续探索的第一步。未来,Wayve将继续致力于开发更先进的场景重建和模拟技术,为自动驾驶系统的开发和验证提供更强大、更高效的工具,推动自动驾驶技术不断向前发展。
了解更多

访问Wayve官方博客,深入了解PRISM-1：https://wayve.ai/thinking/prism-1/
探索WayveScenes101数据集,参与场景重建和新颖视图合成研究：https://wayve.ai/science/wayvescenes101/
加入Wayve,共同创造自动驾驶的未来：https://wayve.ai/careers/join-us/?department=Science