随着辅助驾驶技术向载人接驳、物流运输、园区作业等垂直场景加速渗透，东风悦享构建了"乘用车 垂直场景"的"1 N"业务体系，在乘用车L2/L3辅助驾驶开发基础上，拓展出载人接驳车、无人小巴、清扫巡逻车、移动货柜及无人集卡等多元场景应用，跨领域数据复用成为行业核心挑战，具体表现为乘用车积累的海量数据难以复用至其他领域，而垂直场景受成本限制无法承担大规模数据标注。

2025年7月22日，东风悦享科技有限公司数据工程工具开发高级专家章品博士在第八届智能辅助驾驶大会上表示："通过生成式AI构建数据闭环，可实现乘用车数据向N个垂直场景的跨领域赋能，解决采标成本高、场景覆盖窄、评估体系弱三大痛点，其中采标成本高体现在标注需耗费数月周期和大量人力财力，场景覆盖窄源于复杂交互、极端天气及危险工况等长尾数据稀缺，评估体系弱则因传统仿真依赖预置3D模型导致场景多样性与真实路况存在显著差异。"

 

章品｜东风悦享数据工程工具开发高级专家

以下为演讲内容整理：

东风悦享“1 N”业务布局与数据困境

东风悦享构建了从乘用车到垂直场景的体系化发展路径，在乘用车L2/L3辅助驾驶开发基础上，拓展出载人接驳车、无人小巴、清扫巡逻车、移动货柜及无人集卡等多元场景应用。这种多领域布局对数据工程提出全新挑战：乘用车积累的海量数据难以复用至其他垂直领域，而专用场景受成本限制无法承担大规模数据标注需求。当前行业普遍面临三重困境，首先是采标成本高企，单场景数据标注周期长达数月，无法匹配算法快速迭代节奏；其次是场景覆盖不足，极端天气、危险工况等长尾数据稀缺，导致模型鲁棒性提升遇阻；最后是评估体系局限，传统仿真依赖预置3D模型，生成场景多样性差且与真实路况存在显著差异。

 

图源：演讲嘉宾素材

生成式AI解决方案架构

东风悦享研发的生成式AI解决方案包含数据生成引擎WorldDreamer和闭环仿真平台TrafficManager两大核心组件，其中WorldDreamer基于UniSense架构，通过扩散模型生成OCC空间数据，结合3D高斯渲染技术重建场景环境，支持输入场景描述、传感器配置、交通要素和驾驶行为四维控制参数，实现差异化环境生成及轨迹模拟；

而TrafficManager平台则构建“生成-仿真-优化”闭环系统，通过模型驱动（将BEV/E2E模型输出转化为新轨迹）、规则驱动（人工设定特定路径如公交停靠）和视角转换（将其他交通参与者变更为自车视角生成新数据）三类轨迹生成模式，结合交通流生成模块动态调整参与者行为，生成碰撞风险等异常工况数据，并通过闭环仿真验证优化数据质量，最终支撑跨领域数据赋能。

图源：演讲嘉宾素材

TrafficManager平台构建"生成-仿真-优化"闭环系统，通过模型驱动、规则驱动和视角转换三类轨迹生成模式，结合交通流生成模块动态添加、减少或修改其他参与者的驾驶行为，生成碰撞风险及系统失效等异常工况数据，并通过闭环仿真验证数据质量，最终将优化后的新数据反馈回数据生成引擎，实现跨领域数据的持续迭代与赋能。

图源：演讲嘉宾素材

该架构满足主流算法全链路数据需求，既可生成视频/点云原始数据及BEV OCC标注用于感知训练，又能输出包含场景理解和行为决策的LLM数据支持决策推理，同时生成碰撞风险、系统失效等异常工况数据强化安全验证。

 

图源：演讲嘉宾素材

技术突破与行业价值

生成式AI技术显著提升数据复用效率，通过参数化重建实现跨领域迁移：首先将乘用车采集的原始数据重建为通用世界场景，然后注入目标垂直场景车型的具体尺寸、传感器布置参数（包括内仓、外仓配置），并修改驾驶行为特征如模拟公交车道行驶、公交进站停靠或园区循迹轨迹，从而生成无人小巴、清扫车等垂直场景专用数据，实测表明该方法使垂直场景数据获取成本降低67%，开发周期从数月缩短至2周，有效支撑东风悦享"1 N"领域的数据基座发展。

 

图源：演讲嘉宾素材

在长尾场景覆盖方面取得突破性进展，东风悦享通过WorldDreamer数据生成引擎实现语义控制生成稀缺场景数据：支持输入如“daytime,rainy,suburban,low buildings,wet surface”等参数化描述，生成湿滑路面反光、能见度低于50米的暴雨场景；输入“construction_zone,pedestrian_crossing”参数可创建道路施工区与行人违规穿行的复合工况，该技术方案基于UniSense架构结合3D高斯渲染，有效解决垂直场景标注成本高、极端工况数据稀缺等核心痛点，为“1 N”跨领域赋能提供数据基座支撑，显著提升模型鲁棒性。

图源：演讲嘉宾素材

未来挑战与展望

当前技术仍面临生成质量的双重挑战：时空一致性不足导致相邻帧出现路杆形态突变（如文档中所示前帧路杆带标识牌而后帧仅剩杆体），局部失真现象影响道路箭头等细节还原（如地面箭头出现异形扭曲）。解决方案已启动三方面探索：引入ControlNet结合扩散模型增强道路标识控制精度，采用STM时序模型维护帧间一致性以解决前后帧物体形态突变问题，建立生成-判别模型对抗训练机制提升场景真实性。

随着3D高斯渲染与物理引擎深度融合，生成式AI将构建更精准的辅助驾驶数据基座。实测验证表明，该技术体系可使垂直场景模型迭代效率提升3倍，极端工况覆盖率达98%，推动东风悦享"1 N"体系中乘用车数据向无人小巴、清扫车等载人接驳与物流运输场景的跨领域赋能进入规模化落地阶段。

（以上内容来自于东风悦享科技有限公司数据工程工具开发高级专家章品博士于2025年7月22日在2025第八届智能辅助驾驶大会上进行的发表的《从乘用车到垂直场景：生成式 AI 驱动智能辅助驾驶数据闭环跨领域赋能》主题演讲。）