虹科乾貨
【虹科乾貨】微流體液滴生成技術指南：原理、晶片設備與應用
尋找高通量單細胞分析與藥物研發的微流體方案？虹科為您解析微流體液滴生成原理（T型結、流體聚焦），提供高精度晶片與壓力泵設備，助您優化實驗流程。立即閱讀！
HongKeTechnology
2026年5月29日
虹科最新文章
HongKe
Lorem ipsum dolor sit amet, consectetur adipiscing elit.Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Lorem ipsum dolor sit amet, consectetur adipiscing elit.Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
【虹科方案】虹科雙模態仿真測試方案：引領端到端自動駕駛的物理級數字孿生革命
隨著端到端（End-to-End）自動駕駛架構的興起，傳統基於規則的仿真測試正遭遇「真實感不足」與「場景泛化難」的雙重瓶頸。
本文將深度拆解虹科（Hongke）推出的雙模態仿真測試解決方案：一方面依託 aiSim 提供確定性的物理級傳感器建模；另一方面通過 World Extractor 實現基於 3DGS/NeRF 的自動化世界重建。我們將重點探討這兩者如何透過混合渲染（Hybrid Rendering）技術路線，在保留真實世界視覺保真度的同時，實現動態交通流的泛化，構建可用於閉環驗證（Closed-loop Verification）的數字孿生（Digital Twin）環境。
01. 端到端測試的關鍵挑戰
自動駕駛仿真測試的核心矛盾，長期存在於「物理真實性（Realism）」與「仿真可控性（Controllability）」之間。虹科基於此構建了兩條既獨立又互補的技術路線，形成了完整的工具鏈生態：
- 物理驅動路線（Model-based）： 以 aiSim 仿真平台為核心，基於高精度 3D 網格與物理材質系統，提供 ISO 26262 ASIL D 認證級的確定性仿真，側重於閉環驗證、傳感器模型研究與極端邊緣場景（Corner Cases）構造。
- 數據驅動路線（Data-driven）： 以 World Extractor 工具鏈為核心，利用 3DGS 和 NeRF 技術，將真實採集數據自動化重建為高保真數字世界，側重於解決感知模型的 Sim-to-Real Gap（虛實遷移差距）。
這兩條路線並非孤立，而是透過混合渲染架構在終端匯聚，為高階智駕提供「靜態環境真實、動態目標可控」的閉環測試能力。
02. aiSim：確定性高保真物理引擎
aiSim 並非僅為神經渲染服務的播放器，而是一款獨立、基於物理的高性能全棧仿真平台。它集成了動力學仿真、天氣環境系統、物理傳感器模型及場景編輯等自動駕駛測試關鍵功能，更是全球首個通過 ISO 26262 ASIL D 認證的仿真平台。其核心價值在於為端到端智駕系統提供高保真、確定性的輸出，並進行有效的閉環測試。
自研渲染引擎與確定性
不同於基於遊戲引擎（如 UE/Unity）的方案，aiSim 採用自研且基於 Vulkan API 的渲染管線：
- 確定性（Determinism）： 確保在不同硬件架構（從工作站到雲端大規模集群）上，同一幀場景的渲染結果在像素、點雲、動力學信息等層面完全一致。這對於**回歸測試（Regression Testing）**至關重要。
- 光線追踪（Ray-tracing）： 支持對激光雷達（LiDAR）和雷達（Radar）進行多徑反射仿真與高斯線束計算，並基於物理材質屬性（PBR）精確計算反射率，而非簡單的幾何投影。
物理級傳感器建模
aiSim 深入物理特性層面，提供極致建模：
- Camera（攝像頭）： 支持從光圈、畸變（F-theta/Mei/Ocam）、CFA（色彩濾光陣列）到 ISP 後處理的全鏈路仿真。
- LiDAR（激光雷達）： 基於輻射測量（Radiometric），考量 905nm 波長下的材質反射率、大氣衰減（如雨霧中的 Mie 散射）及卷簾門效應（Rolling Shutter）。
- Radar（雷達）： 採用光線追踪模擬多徑效應，支持輸出 RCS、多普勒速度及點雲級別的仿真數據。
03. World Extractor：自動化場景重建
針對傳統手工建模週期長、成本高的痛點，World Extractor 提供了一套成熟的端到端自動化工具鏈，將現實世界高效轉化為數字資產。
嚴格的硬件採集標準
高質量的重建源於高質量的數據。虹科定義了嚴格的傳感器部署規範：
- 覆蓋要求： 相機需實現 360° 全覆蓋，相鄰視場重疊度需 >10°，確保特徵點精準匹配。
- 同步精度： 多傳感器（Camera/LiDAR）與 GNSS/INS 的時間同步精度需 <1ms，位置誤差需控制在厘米級（RTK/PPK）。
- 推薦配置： 採用 Sony IMX490/728 傳感器及 128 線激光雷達。
自動化處理與 3DGS 訓練
- 動態物體移除： 利用自動化標注算法（2D 分割結合 3D 包圍盒）識別並剔除移動車輛與行人，保留純淨的靜態場景（建築、路面、植被等）。
- NeRF2GS 訓練新範式： 為解決傳統 3DGS 在弱紋理區域（如路面、天空）的幾何崩壞，虹科提出先訓練 NeRF 模型進行深度正則化（Depth Regularization），再將其高質量深度圖作為監督信號初始化 3DGS 模型。
- 大規模分塊訓練： 針對城市級場景（>100,000 m²），採用 BEV 空間動態分塊（Block-based）策略，支持多 GPU 並行訓練，消除渲染接縫。
04. 混合渲染實現閉環測試
這是虹科方案的核心技術壁壘。單純的 3DGS/NeRF 雖視覺逼真，但本質是「三維錄像」，難以交互。為實現閉環測試，我們採用了解耦技術：
- 背景（Background）： 使用 World Extractor 生成的靜態 3DGS 模型，確保環境紋理與光照的絕對真實。
- 前景（Foreground）： 使用 aiSim 物理引擎生成的動態網格（Mesh）物體。這些物體的行為由 OpenSCENARIO 標準驅動，支持泛化與交互。
深度合成與多模態一致性
- 深度合成（Depth Compositing）： 系統實時計算 3DGS 背景深度圖與 aiSim 前景物體的 Z-buffer，精確處理遮擋關係（如虛擬車輛行駛在真實樹木後方），並通過 環境光照信息（IBL） 融合陰影與反射。
- LiDAR 仿真一致性： 針對 3D 高斯球實現光線追踪，將其作為代理幾何體構建 BVH 加速結構，確保 Camera 與 LiDAR 在時空層面的強同步。
05. 場景泛化與工程落地
基於上述架構，虹科實現了從「復現」到「泛化」的技術跨越：
動態交通流泛化
在重建的高保真地圖中，測試人員可透過 OpenSCENARIO 自由配置交通流，生成擁堵、Cut-in（切入）或事故場景。這極大地擴展了 ODD（運行設計域） 的覆蓋範圍，精準攻克感知算法在路測中難以遇到的 Corner Case（邊緣場景） 痛點。
廣泛的 HiL 集成支持
該工具鏈已在多家 OEM 及 Tier 1 供應商中驗證，支持主流域控平台的硬件在環（HiL）集成：
- 視頻注入： 支持通過 HDMI/DP 或 GMSL 注入卡，將混合渲染視頻流注入 NVIDIA Orin, NVIDIA Thorn, Horizon J6 等域控制器。
- 實時性： 在單節點（如 4 卡仿真工作站）即可實現 12 路相機 + 激光雷達的高幀率實時仿真。
總結
虹科的雙模態仿真測試解決方案，透過 NeRF2GS 技術將真實世界「搬進」仿真器，並利用 aiSim 物理引擎 讓世界「活」了起來。這種「靜態環境高保真，動態場景全泛化」的混合渲染模式，為從感知到規控的端到端閉環驗證提供了行業領先的數據底座，顯著降低了對高成本實際路測的依賴！
其他文章
虹科案例
【虹科方案】阿里千問用戶破億後的流量焦慮：Redis Stream 如何在毫秒級馴服千萬級信息流？
AIGC 催生海量資訊雜訊，傳統訊息佇列難以支撐千萬級資訊流高並發。本文講解如何透過 Redis Stream，結合布隆過濾器、消費者群組、向量檢索功能，實現毫秒級內容去重、優先級分發與即時推薦，解決 Feed 流延遲、內容同質化等問題。
HongKeTechnology
2026年5月28日
虹科乾貨
【虹科乾貨】 Redis + 圖資料庫最強分工：銀行 AML 與反詐騙即時風控架構
銀行處理 AML 與反詐騙常面對即時決策與深度調查的拉扯。本文解析 Redis（即時評分）與 ArangoDB（圖資料庫關聯分析）如何完美分工，並結合 Decisions 自動化流程，滿足 HKMA 金管局合規指引，打造毫秒級 RegTech 防線。
HongKeTechnology
2026年5月27日
