7月29日，区域物流网络自动驾驶货运公司Gatik宣布推出其下一代仿真平台Gatik Arena™，旨在加速自动驾驶汽车（AV）系统的开发和验证。Arena™由Gatik独立开发，并根据其运营和技术需求进行了微调，可生成逼真、结构化且可控的合成数据，从而直接突破了传统现实世界数据收集的局限性。

图片来源： Gatik

随着Gatik在2025年扩大货运（无人驾驶）业务规模，Arena™将使其自动驾驶系统能够在各种驾驶场景（从常规任务到罕见的边缘情况）中进行安全高效的训练，从而减少对道路测试的依赖，并加速其解决方案安全、经济高效地商业化，助力 Kroger、Tyson Foods和Loblaw等合作伙伴。为了开发这一下一代仿真平台，Gatik正与NVIDIA合作，整合NVIDIA Cosmos世界基础模型（WFM），从而创建超高保真、基于物理信息的数字环境，用于强大的自动驾驶汽车训练和验证。

捕捉现实世界中的罕见事件成本高昂、耗时耗力，而且通常不安全。Arena™通过高保真合成数据生成解决了这一问题——它结合了真实世界日志、轨迹编辑、代理建模和多传感器模拟流程，提供完整的闭环模拟。最终结果是：在高度逼真的数字世界中进行可扩展、安全且可重复的自动驾驶汽车测试。

Gatik首席执行官兼联合创始人Gautam Narang表示：“随着自动驾驶汽车行业向规模化部署迈进，瓶颈不仅在于算法本身，更在于数据本身的优化和智能化。Arena™使我们能够模拟极端情况、罕见事件以及最重要的高风险场景，并实现与现实世界复杂性相匹配的照片级真实感和保真度。”

NVIDIA全球汽车业务副总裁Norm Marks表示：“NVIDIA Cosmos专为加速世界模型训练和自动驾驶汽车的物理AI开发而设计。我们Gatik的合作，将为强大的自动驾驶汽车训练和验证，打造安全、可靠、超高保真度的数字环境，并助力加速Gatik自动驾驶卡车解决方案的规模化商业化。”

通过仿真优先开发解决数据瓶颈

传统的车队测试和数据记录无法提供全面验证自动驾驶系统所需的规模、多样性或可重复性。Arena™通过可扩展的模块化仿真引擎应对这一挑战，该引擎利用先进的AI技术（神经随机场、3D高斯分布、扩散模型）的优势，实现从快速场景增强到高保真全栈仿真的扩展，确保自动驾驶流程的每个组件都采用最优化、资源最高效的技术进行训练和验证。

  • 逼真的神经渲染：利用体积重建等神经技术，从分割地图、激光雷达和高清地图等抽象表征中创建高保真模拟。

  • 场景编辑与控制：支持修改真实世界日志——调整交通流量、行人、照明和道路布局，以进行受控的A/B测试。

  • 传感器精确输出：跨摄像头、激光雷达和雷达的多模态模拟，以反映不同环境条件下的真实传感器行为。

  • 闭环仿真：自车决策与周围智能体（NPC）之间的实时交互，支持在复杂的交互环境中测试完整的自动驾驶堆栈。这包括车辆动力学建模、策略交互和潜在场景演化。

  • 结构化合成数据生成：支持为机器学习工作流程、回归测试和安全案例验证生成可扩展、无需注释的数据。

专为自动驾驶打造

Arena™专为自动驾驶汽车的特定需求而设计，包括支持难以采集数据或安全关键的场景，例如：

  • 恶劣天气和能见度：雨、雾、雪、弱光、眩光和遮挡影响感知。

  • 难以预测的道路使用者：乱穿马路的行人、穿梭的骑行者、分道行驶的摩托车、动物以及驾驶不稳定的驾驶员。

  • 复杂的道路几何形状：无保护的转弯、褪色的标线、环岛以及标记不清晰的交叉路口。

  • 动态道路变化：施工、绕行、学校区域、紧急车辆和临时交通变化。

  • 传感器和感知故障：路标遮挡、低对比度物体、激光雷达噪声、反射和传感器输入衰减。

  • 密集城市交通：高流量、混合道路使用者、双车位停车和有限的机动空间。

通过以时空一致性和传感器级真实性模拟这些场景，Arena™减少了对昂贵且耗时的道路测试的需求。

对可扩展安全的战略投资

Arena™在Gatik更广泛的“仿真优先”开发战略中发挥着核心作用。它与公司的自动驾驶堆栈和实时安全案例平台紧密集成，使自动驾驶团队能够以无与伦比的效率验证行为、评估系统稳健性并弥补安全保障方面的差距。

“借助Arena™，我们重新定义了仿真，它不仅仅是一种测试工具，更是安全、可扩展自动驾驶的核心推动力，”Gautam Narang表示。“它赋予我们所需的控制力、真实感和灵活性，使我们能够快速建立对系统的信心，同时又不损害安全性或上市时间。”