ANSYS AVxcelerate 2026 R1 集成 NVIDIA Omniverse:从道路到芯片的闭环传感器仿真——IMS 合成数据管道新基建

新闻日期: 2026年8月
来源: ANSYS(Synopsys 旗下)2026 R1 发布
核心事件: AVxcelerate Sensors 2026 R1 集成 NVIDIA Omniverse,实现”道路→数字孪生→传感器仿真→芯片验证”全闭环
关键能力: 物理级精确的摄像头/雷达/激光雷达/热成像传感器仿真


1. 事件概述

1.1 核心发布

ANSYS 2026 R1 AVxcelerate Sensors 软件正式集成 NVIDIA Omniverse 生态系统,创建从真实道路数据到芯片级验证的连续仿真管道。

要素 内容
软件 ANSYS AVxcelerate Sensors 2026 R1
集成 NVIDIA Omniverse + NIM 微服务
核心能力 物理级精确传感器仿真(摄像头/雷达/激光雷达/热成像)
工作流 道路采集 → 数字重建 → 场景编辑 → 传感器仿真 → 感知验证
定位 AV 开发和 IMS 验证的统一仿真平台

1.2 为什么这对 IMS 重要?

核心价值: IMS 开发中最耗成本的边缘场景数据采集(疲劳、分心、OOP、CPD)可通过物理仿真生成,无需大量实车测试。


2. 技术架构

2.1 全闭环管道

阶段 工具 输入 输出
1. 道路采集 实车传感器 真实驾驶场景 点云+图像+雷达原始数据
2. 数字重建 Omniverse + Cesium 采集数据 USD 场景文件
3. 场景编辑 Omniverse 编辑器 USD 场景 增强+变体场景
4. 传感器仿真 AVxcelerate USD 场景 + 材料属性 多模态传感器数据
5. 感知验证 用户模型 仿真传感器数据 模型性能指标
6. 芯片验证 AVxcelerate + 芯片SDK 仿真数据 + 芯片模型 部署性能指标

2.2 AVxcelerate 物理仿真引擎

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
class AVxcelerateSensorSimulation:
"""
ANSYS AVxcelerate Sensors 物理级传感器仿真

四大仿真引擎:
1. 光传播引擎(多光谱摄像头)
2. 物理雷达建模
3. 激光雷达仿真
4. 热成像仿真
"""

def __init__(self):
self.engines = {
'camera': {
'name': 'Light Propagation Engine',
'capabilities': [
'多光谱仿真(可见光+IR+近红外)',
'光照建模(眩光、反射、散射)',
'天气效果(雨/雪/雾)',
'镜头畸变(径向/切向畸变)',
'自动曝光/白平衡模拟'
],
'ims_application': 'DMS 摄像头仿真(IR/RGB)',
'physics': '基于光线追踪的真实光传播',
'materials': 'Ansys 多物理材料(光学+电磁+热)'
},
'radar': {
'name': 'Physics-Based Radar Modeling',
'capabilities': [
'信号传播建模',
'材料反射建模',
'表面角度影响',
'环境条件影响',
'多径效应',
'多普勒效应'
],
'ims_application': 'CPD/OOP mmWave 雷达仿真',
'physics': '电磁波传播方程',
'frequency_support': '24GHz / 60GHz / 77GHz / 79GHz'
},
'lidar': {
'name': 'Lidar Simulation',
'capabilities': [
'激光脉冲传播',
'材料反射率',
'大气衰减',
'运动模糊'
],
'ims_application': '座舱 3D 扫描仿真',
'physics': '激光物理 + 材料 BRDF'
},
'thermal': {
'name': 'Thermal Camera Simulation',
'capabilities': [
'热辐射建模',
'材料发射率',
'环境温度影响',
'大气热衰减'
],
'ims_application': 'CPD 热成像仿真',
'physics': '普朗克黑体辐射 + 材料发射率'
}
}

def get_ims_pipeline(self):
"""IMS 仿真数据生成管道"""
return {
'dms_camera_ir': {
'sensor': 'IR 摄像头(OV2311 等)',
'engine': 'camera + thermal',
'scenarios': ['白天', '夜间', '逆光', '隧道', '眩光'],
'augmentation': ['不同体型', '眼镜/口罩', '不同姿态', '不同光照'],
'output': '标注好的 IR 图像序列'
},
'cpd_radar': {
'sensor': '60GHz mmWave(TI AWRL6844)',
'engine': 'radar',
'scenarios': ['不同座椅', '不同衣物', '不同体型', '遮挡'],
'augmentation': ['婴儿座椅品牌变体', '毛毯覆盖', '季节衣物'],
'output': 'Range-Doppler-Angle 张量'
},
'oop_mmwave': {
'sensor': '60GHz mmWave(座舱顶部)',
'engine': 'radar',
'scenarios': ['前倾', '侧倾', '后仰', '站立', '脚踏仪表台'],
'augmentation': ['不同体型', '不同座椅位置', '不同衣物'],
'output': '3D 点云 + 雷达张量'
},
'cabin_thermal': {
'sensor': '热成像摄像头',
'engine': 'thermal',
'scenarios': ['夏季高温', '冬季低温', '空调开启'],
'augmentation': ['不同体温', '不同衣物厚度'],
'output': '热成像图像序列'
}
}

2.3 Omniverse 数字重建流程

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
class OmniverseSceneReconstruction:
"""
NVIDIA Omniverse 数字重建流程

1. 从真实数据导入场景
2. 几何和语义精修
3. 应用多物理材料
4. 确认仿真就绪
"""

def __init__(self):
self.pipeline = {
'step_1_import': {
'tool': 'Omniverse Connector',
'input': '实车采集数据(点云+图像+GPS)',
'output': '原始 USD 场景',
'sources': ['Cesium 地理数据', 'TurboSqud 3D 模型', '自定义扫描']
},
'step_2_refine': {
'tool': 'Omniverse Kit',
'operations': [
'几何修正(去除噪声/填补空洞)',
'语义标注(道路/建筑/植被/车辆/行人)',
'材料属性赋值(Ansys 多物理材料)'
],
'output': '精修后 USD 场景'
},
'step_3_multiphysics': {
'tool': 'Ansys 材料库',
'material_types': [
'光学材料(折射率/反射率/透射率)',
'电磁材料(介电常数/磁导率)',
'热材料(发射率/热导率)'
],
'output': '仿真就绪场景'
},
'step_4_randomize': {
'tool': 'Omniverse Replication',
'operations': [
'场景变体生成(天气/光照/交通)',
'传感器位置变体',
'材料属性变体',
'行人/车辆行为变体'
],
'output': '变体场景集合'
}
}

2.4 面向座舱的专用仿真

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
class CabinSensorSimulation:
"""
面向 IMS 座舱传感器的专用仿真配置

与外部 AV 传感器不同,座舱传感器需要:
- 室内光照条件
- 多种座椅/内饰材料
- 人体模型(不同体型/姿态)
- 安全带/座椅遮挡
"""

def __init__(self):
self.cabin_config = {
'geometry': {
'cabin_model': 'USD 座舱模型(可参数化)',
'seat_positions': '可调节(前后/靠背角度/高度)',
'interior_materials': [
'皮革座椅(光学+电磁属性)',
'织物座椅',
'塑料内饰',
'金属支架'
]
},
'lighting': {
'sources': [
'车窗自然光(方向+强度可变)',
'车内氛围灯',
'IR 补光灯(940nm LED)',
'屏幕背光'
],
'conditions': [
'白天(500-2000 lux)',
'夜间(<10 lux + IR 补光)',
'隧道切换(光照突变)',
'逆光(强光直射)'
]
},
'human_models': {
'source': 'Metahuman 或参数化人体模型',
'variations': [
'体型(BMI 18-35)',
'性别',
'年龄(儿童/成人/老年)',
'姿态(正常/前倾/侧倾/后仰)',
'配饰(眼镜/口罩/帽子)',
'衣物(季节性)'
]
},
'sensors': {
'dms_camera': {
'position': 'A柱/内后视镜/方向盘后',
'model': 'OV2311 / AR0234IR 等',
'params': '焦距/分辨率/帧率/畸变'
},
'cpd_radar': {
'position': '车顶/B柱/座椅下方',
'model': 'TI AWRL6844 / NXP NCJ29D6',
'params': '频段/带宽/天线配置'
},
'seat_sensor': {
'position': '座椅靠背/座垫',
'model': '二进制接触开关/压力阵列',
'params': '阵列布局/灵敏度'
}
}
}

3. 与竞品对比

3.1 仿真工具对比

工具 厂商 传感器物理精度 座舱专用 Omniverse 集成 价格
AVxcelerate ANSYS/Synopsys ✅ 最高 ⚠️ 需定制 ✅ 2026 R1 高
Isaac Sim NVIDIA ✅ 高 ✅ 座舱模板 ✅ 原生 中
rFpro rFpro ✅ 高 ❌ 外部场景 ❌ 中高
Anyverse Anyverse ⚠️ 中 ✅ 座舱专用 ❌ 中
Sky Engine Sky Engine ⚠️ 中 ✅ 座舱专用 ❌ 中

3.2 AVxcelerate 独特优势

优势 说明
多物理材料 同一材料的光学+电磁+热属性一致
物理级雷达 基于电磁波方程,非近似模型
Omniverse 集成 USD 原生支持,场景可复用
芯片级验证 仿真数据直接对接芯片 SDK
GPU 原生 大规模并行仿真

4. IMS 开发启示

4.1 仿真数据替代实车采集

IMS 场景 实车采集成本 仿真生成成本 仿真质量
疲劳驾驶(闭眼>1.5s) 高(需真人模拟) 低 ✅ 物理级
分心驾驶(视线偏离) 中 低 ✅ 物理级
OOP 异常姿态 高(安全风险) 极低 ✅ 物理级
CPD 婴儿+ISOFIX 高(需婴儿假人) 极低 ✅ 物理级
极端光照(逆光/隧道) 中 极低 ✅ 物理级
多体型/多姿态组合 极高 低 ✅ 物理级

4.2 Euro NCAP 验证资产

Euro NCAP 2026 要求 OEM 提供验证 dossier,仿真数据可作为验证资产:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
class EuroNCAPSimulationAssets:
"""Euro NCAP 仿真验证资产"""

def __init__(self):
self.assets = {
'dms_validation': {
'scenarios': [
'疲劳场景(PERCLOS 超阈值)',
'分心场景(视线偏离>3s)',
'手机使用场景(D-02/D-03)',
'极端光照(0-2000 lux)'
],
'generation': 'AVxcelerate + Omniverse',
'format': 'USD + 传感器仿真数据 + 标注',
'count_target': '1000+ 场景变体'
},
'cpd_validation': {
'scenarios': [
'新生儿+ISOFIX 婴儿座椅',
'1岁儿童+ISOFIX 儿童座椅',
'后座动物',
'空车+干扰(购物袋等)'
],
'material_variants': '10+ 婴儿座椅品牌材料',
'count_target': '500+ 场景变体'
},
'oop_validation': {
'scenarios': [
'前倾取物',
'侧倾',
'后仰',
'脚踏仪表台',
'儿童站立'
],
'human_models': '20+ 体型变体',
'count_target': '300+ 场景变体'
}
}

4.3 部署建议

组件 推荐 说明
场景重建 Omniverse + Cesium 从实车数据重建
传感器仿真 AVxcelerate 2026 R1 物理级精度
人体模型 Metahuman + 参数化 不同体型/姿态
材料库 Ansys 多物理 光学+电磁+热一致
数据标注 自动+人工 USD 语义+人工修正
批量生成 Omniverse Replication 自动变体生成

5. 对数据合成路线图的影响

此集成直接服务于 HEARTBEAT.md 中的数据合成路线图:

路线图要素 AVxcelerate + Omniverse 贡献
NVIDIA Omniverse ✅ 原生集成
Isaac Sim 互补(Isaac 偏机器人,AVxcelerate 偏传感器物理)
OpenUSD ✅ 原生支持
Metahuman ✅ 可导入作为座舱乘员
Cosmos 3 ⚠️ 可扩展(世界模型生成场景)
Anyverse/SkyEngine 竞品关系,各有侧重

建议更新路线图: 将 AVxcelerate + Omniverse 管道作为 IMS 仿真数据生成的首选物理级仿真工具,Isaac Sim 作为快速原型验证,Anyverse/SkyEngine 作为补充。


参考来源