# Autonomous_Driving_Simulation

**Repository Path**: metax-maca/Autonomous_Driving_Simulation

## Basic Information

- **Project Name**: Autonomous_Driving_Simulation
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-29
- **Last Updated**: 2025-06-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 沐曦-自动驾驶仿真解决方案

[英文版](README.md) | 中文版

![logo](./imgs/logo.png)

## 简介
本方案聚焦于自动驾驶研究领域，依托沐曦C系列GPU强大的训练与推理性能，构建了一个高效的数据生成与增强流程。首先，利用 3D Gaussian Splatting (3DGS) 技术对真实场景进行高保真重建，快速还原场景的三维结构与细节；随后，引入大语言模型（LLM）对场景内容进行语义层面的理解与指令驱动式编辑，可实现物体级别的操作；最后，借助 Stable Diffusion 进行场景风格迁移，使得同一场景可灵活切换至不同天气、时间段或视觉风格的版本。通过这三大模块的有机结合与灵活调用，本方案能够对单一场景数据实现实例级别的按需编辑与增强，包括：删除特定物体，增加场景元素，丰富交通构成，实现环境与气候条件的快速迁移。

该流程显著提升了自动驾驶数据的多样性与覆盖范围，尤其在应对极端情况（bad cases）方面表现突出。通过构建和编辑特定场景，有效解决了传统数据采集方式中存在的数据分布稀疏、样本数量不足等问题。这一机制不仅为感知、决策等下游任务提供了更具泛化能力和鲁棒性的数据支持，也为自动驾驶算法的训练与测试开辟了更加灵活、可控的高质量数据生成路径，推动了自动驾驶系统整体性能的提升。


效果演示：

![demo](./imgs/demo.gif)<br/>
视频介绍[▶️ 点击这里观看演示视频](https://www.bilibili.com/video/BV1xr7VzCEqH/?vd_source=cbf80b05653a971041da81c96bd54115)
## 现有解决方案
### 1. 场景重建
- **[基于3DGS场景重建](./SceneReconstruction/README_zh.md)** 利用3DGS对场景的重建能力，对城市街道场景进行前背景分离建模，刚体非刚体独立建模等方式，实现场景的动态高保真重建，能便捷地实现场景的编辑操作。

### 2. 场景编辑
- **[基于LLM场景编辑](./SceneEdit/README_zh.md)** 大语言模型（LLM）对场景内容进行语义层面的理解与指令驱动式编辑，可实现物体级别的操作，实现根据复杂语言命令，达到场景的高度灵活可编辑目的。

### 3. 场景转换
- **[基于SD场景迁移](./SceneTransition/README_zh.md)** 借助 Stable Diffusion 进行场景风格迁移，使得同一场景可灵活切换至不同天气、时间段或视觉风格的版本。

## 安装

环境安装请参考：[install.md](./docs/install.md)


## 使用

详细使用方法请参考 [usage.md](./docs/usage.md)

## 许可证书

本项目的发布受 [Apache License Version 2.0](./LICENSE) 许可认证, 欢迎大家使用和贡献。