Jiawei Wang Haowei Sun Xintao Yan Shuo Feng Jun Gao Henry X. Liu

摘要

端到端（E2E）自动驾驶系统的安全、可扩展部署需要大量且多样化的数据，尤其是涉及安全关键事件的数据。现有的数据大多来自模拟器，存在显著的“模拟到现实”差距；或通过道路实测采集，但成本高昂且存在安全隐患。本文提出TeraSim-World，一个自动化数据生成管道，能够在全球任意地点合成真实感强、地理分布多样且安全关键的E2E自动驾驶数据。该系统从任意地理位置出发，从地理空间数据源中获取真实世界地图与交通需求数据；随后，基于自然驾驶数据集模拟智能体行为，并编排多种复杂场景以生成边缘案例。在街景图像的引导下，TeraSim-World利用前沿的视频生成模型Cosmos-Drive，实现高度逼真的、与地理信息精确对齐的传感器渲染。通过融合智能体行为模拟与传感器仿真，TeraSim-World构建了一个可扩展、关键性强的数据合成框架，为E2E自动驾驶系统的训练与评估提供了有力支持。