keymotek

摘要： 依赖理论真值的拖挂仿真算法，迁移实车后效果往往不及预期。本文介绍传感器级拖车角度感知方案，构建接近实车的感知数据链路，解决铰接角输入难题，助力拖挂仿真算法工程落地。 阅读全文

摘要： 城市道路图像采集，如何既满足隐私合规，又不毁掉 AI 训练数据？人工打码慢、黑框遮挡毁场景，合规与数据价值难两全。本文用真实案例，拆解一种精准匿名化方案。 阅读全文

摘要： 智驾数据闭环难以跑通，仿真逐步成为研发必答题。本文剖析采集与仿真链路的断链根源，介绍康谋采集‑仿真一体化方案，依托硬件级时间同步与统一基准，解决多传感器同步、数据治理、仿真置信度难题，助力智驾高效迭代。 阅读全文

摘要： 乘用车拖挂场景日趋普及，拖车耦合失稳与TSC稳定控制已成为ADAS法规验证的关键环节。针对非标拖车建模难、工况难复现、验证不量化的行业痛点，康谋aiSim凭借开放资产架构与高精度牵引动力学能力，可快速定制拖车仿真资产、复现极限拖挂工况，为车企与科研机构提供合规、高效的拖挂场景仿真验证方案。 阅读全文

摘要： 长尾未知障碍物制约智能驾驶感知安全性，传统算法易发生漏检。依托多模态基础模型与LiDAR几何推理的零样本3D检测方法，可通过识别道路异常检出未知障碍物。康谋aiSim（ISO 26262 ASIL‑D认证）可构建可控测试场景、输出精准真值，助力前沿感知算法验证迭代。 阅读全文

摘要： 欧盟 ADDW、C‑NCAP 2024 法规推动 DMS/OMS 成为车载必选项，座舱数据成为算法研发刚需。针对座舱数采同步难、模式割裂、部署门槛高等痛点，康谋 DMS/OMS 多路相机采集工具支持多路同步、采点 / 录制双模式、自动归档与车载一键部署，已实车落地，输出高质量座舱数据支撑算法开发。 阅读全文

摘要： 仿真可信度的核心不在于算法，而在于真实还原现实的虚拟环境。本文详解aiSim整套三维内容生产体系：依托5000+自研高精度资产库、程序化建图与人工精修双工艺，结合World Extractor神经重建技术，实现高精度手工场景与极速实景复刻场景双向构建。依托aiSim物理级神经仿真能力与全球独家ISO 26262 ASIL‑D最高车规认证，仿真数据具备像素级物理精度与合规效力，彻底摆脱形式化测试，让虚拟仿真真正支撑自动驾驶功能安全验证与量产合规落地。 阅读全文

摘要： 针对园区配送、厂区巡检等低速自动驾驶场景中，RTK高精定位信号易受遮挡失效，以及雷达安装结构缺陷导致上坡、转弯误停等落地痛点，本文提出了一套分层式自适应自动驾驶系统。系统采用感知—仲裁—控制三段式架构，依据RTK状态实时切换"高精轨迹跟随"与"无定位反应式驾驶"两种互斥模式，并引入带迟滞的状态机规避控制抖动。在感知层，通过点云扶正、地面分割与弯曲轨迹ROI约束，根治上坡与转弯的结构性误判。同时，系统搭建了虚实联合仿真验证平台，实现真车与仿真环境算法同源、通信接口统一，支持高危工况的批量复现与回归测试。整套方案已在仿真全链路完成验证，后续将推进实车标定落地。 阅读全文

摘要： 自动驾驶实车采集面临多相机时序偏差，如何实现GMSL2相机纳秒级同步？ 康谋依托MDILink硬件同步 + ROS2分布式架构完整方案，从图像采集、硬件纳秒打戳、时间同步、ROS2节点处理到实车持续落盘，标准化链路一站式完成多目相机同步数据采集与感知算法闭环验证。 阅读全文

摘要： 仿真测试中真实感与可控性不可兼得？静态场景重建无法自由摆放物体、调整天气，传统仿真器又始终存在域偏移！本文关注混合渲染方案：将神经重建与传统图形技术融合，静态环境保留照片级真实感，动态物体实现自由摆放与操控，为自动驾驶仿真测试提供更务实的落地路径。 阅读全文