- 综合排序
- 最热优先
- 最新优先
- 来自专栏人人都是极客
自动驾驶车辆仿真模拟软件盘点
4.插件 可开发机器人，传感器和环境控制的自定义插件。插件可直接访问Gazebo的API。 在车顶处搭载一个16线激光雷达，8个超声波传感器，4个摄像头和2个平面激光雷达。代码可以从Github 网址得到。 还有人做了基于DRL和TORCS的自动驾驶仿真系统， 相关链接： https://github.com/ugo-nama-kun/gym_torcs https://www.jianshu.com/p/ 添加控制系统 Matlab / Simulink接口使用户能够设计和验证数据处理，传感器融合，决策制定和控制的算法以及现有的Simulink模型（如CarSim，Dyna4或ASM的车辆动力学模型）的重复使用 两公司合作构建了逼真的3D仿真环境，再现了拉斯维加斯的部分城市街景，包括实际道路布局、路标和行人等，对驾驶辅助系统和自动驾驶系统进行虚拟测试。
6K70发布于 2018-03-16 - 来自专栏机器人网
自动驾驶汽车也装“飞行”仿真器？
包括通用汽车(GM)、日产(Nissan)与丰田(Toyota)等主要的汽车OEM正竞相开发自有独特的半自动驾驶架构。 德国戴姆勒公司(Daimler AG)同样宣布了2020年之前开始销售全自动驾驶汽车的计划。 没有人认为全自动驾驶汽车很容易开发。 在今后几年中，汽车OEM厂商将“收集、评估和分析有关半自动驾驶汽车中驾驶行为的大量资料。” Santo进一步解释，有些OEM厂商和一线供货商甚至可能执行类似于飞行仿真器的半自动驾驶汽车仿真器，以便观察在遇到复杂的路况时汽车和驾驶人会出现什么情况。 Santo表示，自动驾驶汽车中的驾驶人就像是开着一架自动驾驶飞机的飞行员，但“汽车比飞机要危险得多了。”首先，道路上会出现更多无法预期的危险。但更重要的是，一般驾驶人并不像专业飞行员受过训练。
82970发布于 2018-04-12 - 来自专栏CNNer
【自动驾驶】开源 | 仿真中自动驾驶感知模型训练的优化策略研究
Optimal Strategies for Training Self-Driving Perception Models in Simulation 原文作者：David Acuna 内容提要 自动驾驶依赖于大量真实数据来进行高精度的标注 然而，合成数据和真实数据之间的领域差距仍然存在，这就提出了以下重要的问题：利用自动驾驶模拟器进行感知任务的最佳方式是什么？ 主要框架及实验结果 声明：文章来自于网络，仅用于学习分享，版权归原作者所有 分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。
65120编辑于 2021-12-14 - 来自专栏腾讯自动驾驶
开源公告｜自动驾驶仿真软件 TAD Sim 发布
项目简介 TAD Sim是腾讯以建立更加安全和高效的自动驾驶测试工具为目标，为智能驾驶系统研发和验证而量身定做的跨平台分布式仿真系统。 （城市交通流仿真） 05、提供高效测试工具，助力日行百万公里 TAD Sim可借助云端的强大算力，助力自动驾驶轻松实现日行百万公里。 可在云端支持虚拟城市型仿真的能力扩展，模拟大规模城市级道路测试环境，实现上千辆自动驾驶主车及上百万辆交通车辆同步运行，在无需人工监管的情况下，通过系统自动化发现截取未知和不安全场景。 应用场景 TAD Sim面向自动驾驶仿真测试与评价的应用场景。TAD Sim支持感知、决策、控制算法等实车上全部模块的闭环仿真验证。 支持与CICD、数据管理服务、数据采集标注服务、算法训练服务等自动驾驶云工具链全流程打通。随着产品的逐步发展，也可逐步扩展到智能网联仿真测试、合成数据生成、虚拟试驾等应用场景。
3.5K10编辑于 2024-08-30 - 来自专栏CreateAMind
CAT Vehicle Testbed 自动驾驶仿真 gps 视觉 雷达
https://cps-vo.org/group/CATVehicleTestbed/wiki 参考书：pan.baidu.com/s/1pL9J4Cz ? ? ? ? ? ? ? ?
65130发布于 2018-07-24 - 来自专栏企鹅号快讯
为什么仿真测试能让自动驾驶变得更安全？
虚拟道路测试的灵活性和多用性，使其在自动驾驶技术开发中发挥着重要作用。 如果没有仿真道路测试，要观察车辆应对真实交通场景的反应，有可能会产生各种危险。 要想让数字仿真技术在自动驾驶汽车的训练和测试中发挥高效发挥，我们得保证虚拟世界要和真实世界无限接近。在GPU的驱动下，细节逼真的图像以及鲁棒的物理引擎，为工程人员提供给了所需的有利条件。 当模拟环境成功创建之后，它必须要接入一套自动驾驶系统。英伟达的统一GPU架构，使得自动驾驶技术在实车装载的Drive PX平台和实验室或大数据中心的仿真环境之间能够相对容易地进行迁移。 在本届英伟达开发者大会欧洲站的活动现场，一些企业也展示了基于 DRIVE PX进行自动驾驶仿真测试的方法。 用数据驱动的自动驾驶仿真测试 Pro-SiVIC是ESI Group的模拟驾驶软件，该公司的 Rodolphe Tchalekian介绍了这个软件，它能够创建实时、物理现实的3D虚拟环境，该环境可以对机器学习算法进行测试和训练
1.4K100发布于 2018-01-08 - 来自专栏Python编程爱好者
CVPR 2024 | DrivingGaussian：环视动态自动驾驶场景重建仿真
同时在单目驾驶场景的重建任务上DrivingGaussian也表现出了优异的性能，并且能够支持自动驾驶场景的Corner Case仿真生成。 同时，对驾驶场景进行重建和可控仿真还能够合成驾驶过程中可能遇到的极端情况（例如corner case），有助于以较低成本验证和增强自动驾驶系统的安全性。 接着，我们构建动态高斯图，用多个独立的4D高斯表征动态物体，并用每个节点记录其在整个场景中的空间时序属性。 下图展示了DrivingGaussian能够支持自动驾驶场景的Corner Case仿真模拟，合成现实场景中的突发事件和极端案例，从而生成更具价值的Corner Case数据集用于测试自动驾驶系统的安全性和可靠性 结论： 本文提出了DrivingGaussian，一种基于3D高斯的动态环视驾驶场景三维重建与仿真框架，在大规模环视驾驶场景重建与仿真任务上表现出色，同时展现了在更多自动驾驶下游任务中的应用潜力。
1.8K10编辑于 2024-04-19 - 来自专栏WOLFRAM
Wolfram 语言构建 3D 自动驾驶汽车仿真
介绍 在本文中，我们将创建一个简单的驾驶模拟以训练分类器来自动驾驶虚拟汽车。我们的模拟将由用户或计算机组成的 3D 场景组成，该场景由多风的道路和单个汽车控制器组成。 建立模拟 仿真图形 我们将首先创建图形函数来组装和显示模拟。首先让我们为地面创建一个纹理。为简单起见，我们将栅格化一条包含道路左转和右转的内置曲线。 我们将在“前进”方向生成训练数据，然后在相反方向测试训练好的自动驾驶汽车。 尽管如此，凭借我们少量的示例数据，自动驾驶汽车表现良好。 Information[selfDrivingCar] 为了预览我们的自动驾驶汽车，我们将使用我们的新分类器来驾驶汽车进行一百次模拟。 让我们来看看： DynamicModule[{selfDrivingSim = NewCarSim[Backward]}, selfDrivingSim["Position"] -= {0, 4,
73820发布于 2021-10-11 - 来自专栏企鹅号快讯
为什么仿真测试能让自动驾驶变得更安全？
虚拟道路测试的灵活性和多用性，使其在自动驾驶技术开发中发挥着重要作用。 如果没有仿真道路测试，要观察车辆应对真实交通场景的反应，有可能会产生各种危险。 要想让数字仿真技术在自动驾驶汽车的训练和测试中发挥高效发挥，我们得保证虚拟世界要和真实世界无限接近。在GPU的驱动下，细节逼真的图像以及鲁棒的物理引擎，为工程人员提供给了所需的有利条件。 当模拟环境成功创建之后，它必须要接入一套自动驾驶系统。英伟达的统一GPU架构，使得自动驾驶技术在实车装载的Drive PX平台和实验室或大数据中心的仿真环境之间能够相对容易地进行迁移。 在本届英伟达开发者大会欧洲站的活动现场，一些企业也展示了基于 DRIVE PX进行自动驾驶仿真测试的方法。 用数据驱动的自动驾驶仿真测试 Pro-SiVIC是ESI Group的模拟驾驶软件，该公司的 Rodolphe Tchalekian介绍了这个软件，它能够创建实时、物理现实的3D虚拟环境，该环境可以对机器学习算法进行测试和训练
1.2K100发布于 2018-01-02 - 来自专栏技术杂记
反作弊如何检测系统仿真（4）
RDTSC / CPUID / RDTSC EasyAntiCheat还使用标准定时攻击，使它们可以通过适当的TSC仿真（在前面的小节中进行了描述）被规避。 4.png 我们还确认了它正在检查的位是中的系统调用启用位（SCE）IA32_EFER。由于使用了Daax和ajkhoury的博客上发布的EFER的syscall挂钩方法的发布，它会检查此位。 ( NtDeviceIoControlFile ) { OutputBufferLength = 6; InputBufferLength = 4; 我们为他们的检查提供了规避方法，并计划将来发布用于TSC仿真的完整，完善的解决方案。但是，如果读者不热衷于等待，我们提供了如何实现的逻辑演练。
2.1K140发布于 2021-01-05 微软推出开源自动驾驶仿真平台 AirSim 教程
微软的AirSim开源自动驾驶仿真平台主要面向哪些用户群体？ AirSim平台支持哪些编程语言进行自动驾驶模拟？ 如何在AirSim平台上进行机器学习的自动驾驶模拟训练？ AirSim 是微软推出的开源项目，用于测试人工智能系统的安全性，该系统提供仿真的环境、车辆动力和感知能力，促进无人驾驶技术的发展。 近期，微软的工程师推出了一套 AirSim 官方教程，旨在让专家、研究者以及自动驾驶领域的新手们快速掌握开发自动驾驶的基本技能。 在这套教程里，你将会学到如何用从 AirSim 仿真环境搜集到的数据集来训练和测试用于自动驾驶的端对端深度学习模型。 你的训练模型将会在 AirSim 的仿真地形中学会如何驾驶汽车，输入的视觉数据只来自一个设置在车前的摄像头。这套课程常被当作自动驾驶的入门项目，不过学完整套课程后， 你会有能力实现你自己的想法。
1.2K10编辑于 2025-09-20- 来自专栏资讯分享
数字孪生十问：与自动驾驶仿真的融合发展
4数字孪生仿真测试对自动驾驶量产的作用是什么？为保证自动驾驶安全，模拟仿真、封闭场地和实际道路测试三种测试方法缺一不可。 恰是这种方式的转变，对4D数据和空间计算需求也提出了更高的要求，如何低成本获取获取高质量的训练数据和验证场景尤为重要，对自动驾驶仿真也提出了新的需求和挑战。 腾讯自动驾驶数字孪生仿真平台TAD Sim，采用AIGC+PCG+高逼真渲染引擎构建和生成4D场景，可用于进行端到端算法的仿真测试，也可以生成配套的真值标注数据，用于感知算法的训练。 因为世界模型具有更高的还原度，能够生成高逼真的4D场景数据，更有效的支持端到端的自动驾驶算法训练和测试，尤其是corner case的生成效率更高，进而提高算法训练和仿真测试效率。 在仿真测试方面，今年起，腾讯也与车企开展了自动驾驶云仿真的合作，在云仿真平台，可以支持一万个以上的场景并行计算，将10000个场景的运行时间从14天大幅缩减至4分钟。
47810编辑于 2023-12-07 - 来自专栏Techo开发者大会
腾讯TAD Sim仿真平台，助力破解自动驾驶落地困境
腾讯自动驾驶仿真业务负责人孙驰天在会上做了题为《自动驾驶与“头号玩家”》的演讲，他谈到“通过高精度地图、大数据、AI和云技术，腾讯自动驾驶仿真系统可以让虚拟场景无限接近真实世界，这种高精度、可扩展的模拟技术 结合了腾讯游戏技术的腾讯自动驾驶仿真平台，在业界具备领先实力。” 在部署方式上，腾讯自动驾驶模拟仿真平台在私有化部署之外，在腾讯云上提供场景型云仿真和虚拟城市型云仿真，为车企提供回归验证的闭环，减少车企的成本投入，不断扩展平台能力满足车企的技术验证需求。 腾讯在游戏体验中的追求极致也体现在了自动驾驶仿真平台上。 腾讯自动驾驶三大核心平台，以灵活的模块化方式助力自动驾驶落地 自动驾驶真正的量产落地，依赖于高精地图数据、云计算、仿真技术等核心技术的发展，政策法规的完善，以及车、路、云端的智能化基础设施。
5K66发布于 2019-11-13 - 来自专栏CreateAMind
最新最全面的ros book2 代码+自动驾驶仿真
https://pan.baidu.com/s/1pL9J4Cz https://github.com/qboticslabs/ros_robotics_projects ? ? ? ? ? ? ?
89410发布于 2018-07-24 - 来自专栏腾讯自动驾驶
数字孪生十问：与自动驾驶仿真的融合发展
TAD Sim自动驾驶虚实融合测试 4、数字孪生仿真测试对自动驾驶量产的作用是什么？ 为保证自动驾驶安全，模拟仿真、封闭场地和实际道路测试三种测试方法缺一不可。 恰是这种方式的转变，对4D数据和空间计算需求也提出了更高的要求，如何低成本获取获取高质量的训练数据和验证场景尤为重要，对自动驾驶仿真也提出了新的需求和挑战。 腾讯自动驾驶数字孪生仿真平台TAD Sim，采用AIGC+PCG+高逼真渲染引擎构建和生成4D场景，可用于进行端到端算法的仿真测试，也可以生成配套的真值标注数据，用于感知算法的训练。 因为世界模型具有更高的还原度，能够生成高逼真的4D场景数据，更有效的支持端到端的自动驾驶算法训练和测试，尤其是corner case的生成效率更高，进而提高算法训练和仿真测试效率。 在仿真测试方面，今年起，腾讯也与车企开展了自动驾驶云仿真的合作，在云仿真平台，可以支持一万个以上的场景并行计算，将10000个场景的运行时间从14天大幅缩减至4分钟。
72010编辑于 2023-12-14 - 来自专栏机器之心
CVPR 2023｜All in UniSim：统一的自动驾驶仿真平台
为什么需要自动驾驶传感器仿真？ 近些年来，随着自动驾驶技术的突飞猛进，无人车能够在大部分常规情景下有很好的表现。 视频演示：http://mpvideo.qpic.cn/0bc3iyaaaaaax4aak2uqnjsfarwdabdaaaaa.f10002.mp4? http://mpvideo.qpic.cn/0bc3keaaaaaadiaaiteqnjsfauodabiqaaaa.f10002.mp4? 然后继续进行仿真，运行自动驾驶系统，更新虚拟世界状态 …… 通过这种闭环测试，自动驾驶系统和仿真环境可以进行交互，创造出与原始数据完全不一样的场景。 更合理的解释是：当自动驾驶系统在仿真系统中的表现接近它在真实世界的表现时，这个仿真系统才更接近真实世界，而不是自动驾驶系统的指标越高就越好。
1.1K30编辑于 2023-08-07 - 来自专栏abaqus科普专栏
Abaqus 案例集(4) - 金属弹片正向力仿真
为解决这一问题，Abaqus 仿真工具可以全面掌握弹片性能参数并优化结构性能。本文将结合某一常规金属弹片，详细解析金属弹片正向力仿真的过程与结果。1. 仿真建模与设置1.1 仿真模型设计仿真分析模型由刚性板和金属弹片两部分组成。初始状态下，刚性板位于弹片顶部，二者相互接触。随着下压量逐渐增大，弹片从自由状态发生变形，其上部逐渐与下部接触。 1.3 仿真结果解析1.3.1 下压距离A：初现塑性变形当弹片下压至距离A时，PEEQ云图揭示了初始塑性变形区域，主要集中在弹片上部宽度变化显著的区域。 1.3.3 卸载后：塑性变形在卸载所有压力后，仿真显示弹片无法完全恢复至自由初始状态，残余变形清晰可见。这种塑性损伤的累积效应为弹片长期使用中的疲劳寿命预测提供了重要参考数据。 结语通过Abaqus对金属弹片正向力的仿真模拟，可系统化分析其变形行为与正向力性能，为后续弹片结构设计优化、材料选型及产品性能提升提供全面的数据支持。
25810编辑于 2026-04-30 - 来自专栏想到什么就分享
基于matlab的控制系统与仿真-4
0.0002426 s^6 + 0.01647 s^5 + 0.8832 s^4 s^3 + 15 s^2 + 16 s + 200 -------------------------------------------------- s^5 + 10 s^4
55030发布于 2020-11-12 - 来自专栏仿真教程
为什么西门子是自动驾驶仿真行业的NO.1?
黄汉知先生是西门子数字化工业软件自动驾驶产品线大中华区的总监，他在ADAS和自动驾驶系统的数字化仿真开发和测试、碰撞安全性能的仿真开发和测试等领域具有丰富的工程和市场经验。 PreScan是自动驾驶系统仿真的工具，最早是由荷兰公司TASS International开发和商业化。在中国，PreScan商业化最早从2011年开始，距今已经有10年的历史。 PreScan作为全球最为成熟、商业化最早、技术最为领先的自动驾驶数字孪生工具，PreScan和西门子仿真工具的打通有以下几个方面： 第一，2017年西门子也实现了对Mentor的收购，Mentor既是 Q4 西门子的自动驾驶道路数据采集系统，主要客户是谁？这些采集的真实场景，能够很方便的转化为仿真场景库吗？ 他们也意识到未来是要走全云化的自动驾驶数字孪生方案，所以不管是海量的场景库，还是系统的仿真数字孪生平台，以及最终测试性能指标的评价，都要走向全云化。
1.3K00发布于 2021-04-25 - 来自专栏仿真CAE与AI
Abaqus做裂纹扩展仿真，只需要4步
4 橡胶试样的试验分析4.1 试验模型及设备橡胶拉伸试样采用哑铃状其各项尺寸按最新国标 GB/T528-1998 规定的尺寸标定裁减如图4所示。图5是带裂纹的试样模型。
1.1K10编辑于 2025-04-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号