绘卷是面向自动驾驶、机器人与智能硬件研发的自研 AI 仿真引擎系统。系统包含场景与任务编排、数据生成、质量管理、结果交付等模块，并可根据客户已有的仿真基础设施进行适配。
本页重点展示绘卷中的SDG 数据模块。当前图片和测试数据来自基于 UE5 研发的实现，用于说明绘卷在多传感器采集、自动标注和工程化数据交付方面的能力；UE5 是本次展示载体，不是绘卷系统唯一绑定的底层平台。
在线演示：绘卷 - 神太再现
成果展示
SDG 合成数据生成案例展示
该案例展示了平台从场景资源、采集配置到合成数据任务产出的完整效果：场景构建、传感器配置、任务部署和结果分发在同一条工作流中完成，面向真实业务中的端到端数据交付。
平台界面
一页看懂：SDG 数据能力覆盖
赛道定位
| 方案 | 主要载体 | 能力特点 |
|---|---|---|
| 绘卷 SDG 数据模块 | 自研系统架构；本页展示 UE5 实现 | 数据生成、自动标注、质量检查和交付流程一体化，可按客户技术环境适配 |
| Isaac Sim | Omniverse | 工业仿真与机器人生态成熟，传感器体系完整 |
| CARLA | Unreal Engine | 自动驾驶开源生态广，便于科研与算法验证 |
| AirSim / Colosseum | Unreal Engine | 面向车辆、无人机和机器人仿真的开放方案 |
| BlenderProc | Blender | 擅长离线合成数据生成与高质量渲染 |
核心差异一览（能力矩阵）
标记口径：★★★ 深度覆盖；★★ 完整覆盖；★ 基础覆盖或需要扩展；— 公开资料未作为原生能力展示。星级用于表示能力覆盖程度，不代表具体项目中的适用性排序。
| 能力维度 | 绘卷 SDG 模块 | Isaac Sim | CARLA | AirSim | BlenderProc |
|---|---|---|---|---|---|
| 实时数据生成 | ★★ | ★★ | ★★ | ★★ | — |
| 普通相机、鱼眼与 360° 全景 | ★★★ | ★★ | — | — | ★★ |
| 热红外数据 | ★★★ | ★ | — | ★ | ★ |
| 语义与实例标签 | ★★ | ★★ | ★★ | ★ | ★★ |
| 材质级标签 | ★★★ | — | — | — | — |
| 物体运动与整体画面运动标签 | ★★ | ★★ | ★★ | — | ★★ |
| 边缘结构数据 | ★★ | ★★ | — | — | — |
| 车载 3D 占据真值 | ★★★ | ★ | — | — | — |
| 激光雷达扫描时序补偿 | ★★★ | — | — | — | — |
| 卫星定位误差与遮挡模拟 | ★★★ | — | ★ | ★ | — |
| 相机与惯性数据同步导出 | ★★★ | — | — | — | — |
| 采集前质量检查 | ★★★ | — | — | — | — |
| 结构化性能报告 | ★★★ | ★★ | ★ | — | — |
数据输出能力对比
| 能力维度 | 绘卷（本页展示模块） | Isaac Sim | CARLA | AirSim | BlenderProc |
|---|---|---|---|---|---|
| 相机与全景 | 普通相机、两类鱼眼和 360° 全景统一配置 | 多种相机模型 | 以普通相机为主 | 以普通相机为主 | 支持鱼眼，偏离线生成 |
| 热红外 | 输出与可见光对齐的温度和热辐射数据 | 可通过扩展方式实现 | 需扩展 | 可定制 | 可定制 |
| 距离与几何 | 同帧输出两类距离数据、表面方向和透明物体补充信息 | 几何数据较完整 | 提供基础距离数据 | 提供基础距离数据 | 离线精度较高 |
| 像素级标签 | 语义、实例与材质三类标签 | 语义与实例标签 | 语义与实例标签 | 基础标签 | 语义与实例标签 |
| 运动标签 | 同时描述物体运动和整体画面运动 | 支持整体运动信息 | 支持画面运动信息 | 需扩展 | 可离线生成 |
| 表面颜色参考 | 输出不受光照影响的表面颜色，便于跨域分析 | 支持 | 需扩展 | 需扩展 | 支持 |
| 边缘结构 | 与其他数据同帧输出 | 支持后处理生成 | 需扩展 | 需扩展 | 可离线生成 |
传感器与数据工程对比
| 能力维度 | 绘卷（本页展示模块） | Isaac Sim | CARLA | AirSim | BlenderProc |
|---|---|---|---|---|---|
| 激光雷达运动补偿 | 按扫描过程校正运动影响 | 需按项目扩展 | 需扩展 | 需扩展 | — |
| 透明物体处理 | 自动识别并按规则处理 | 依场景和材质配置 | 依场景配置 | 依场景配置 | — |
| 3D 占据真值 | 支持单帧、累积和移动扫描 | 偏机器人导航应用 | 可借助离线工具 | 需扩展 | — |
| 3D 目标标注 | 输出位置、姿态、可见关系和投影结果 | 支持 | 支持基础标注 | 需扩展 | 支持 |
| 传感器扰动 | 覆盖相机、激光雷达、惯性与安装振动 | 相机与主动传感器能力较全 | 覆盖部分传感器 | 覆盖部分传感器 | 偏图像后处理 |
| 卫星定位模拟 | 考虑星座、遮挡、反射和接收过程 | 需扩展 | 基础误差模拟 | 基础误差模拟 | — |
| 相机与惯性数据同步 | 同一任务中完成时间、标定与数据组织 | 需用户组织 | 需用户组织 | 需用户组织 | — |
| 标签体系 | 可切换常见数据集类别标准 | 支持自定义 | 以预设类别为主 | 支持自定义 | 支持自定义 |
| 输出与转换 | 覆盖常见图像、数组、点云和标准标注格式 | 覆盖常用格式 | 覆盖常用格式 | 覆盖常用格式 | 覆盖常用格式 |
| 采集前检查 | 集中检查场景、传感器、硬件与配置 | 常规工具链检查 | 常规运行检查 | 常规运行检查 | 脚本检查 |
提效测算：同算力下的产能与存储
以下数字来自同一硬件、分辨率和任务配置下的数据链路优化前后对比，用于说明本页展示模块的实际提效。
本页展示的数据模块对彩色图像与表面颜色采集链路进行并行优化后，在一张RTX 3090、1920×1080 分辨率下，关键路径单帧耗时由26.9 ms 降至 4.32 ms（提速 6.23×），单帧落盘体积减小 48%（数学无损）。据此可直接换算同算力、同时间下的产能与存储：
| 指标（RTX 3090 · 1080p） | 改造前 | 我们的方案（改造后） | 提升 |
|---|---|---|---|
| 单帧关键路径耗时 | 26.9 ms | 4.32 ms | 6.23× 更快 |
| 单卡吞吐 | ≈37.2 帧/秒 | ≈231.5 帧/秒 | ≈6.2× |
| 全天连续采集产能 | ≈321 万帧/天 | ≈2002 万帧/天 | ≈6.2× |
| 单帧落盘体积 | 基线 | −48% | 存储成本近腰斩 |
推导口径：吞吐 = 1000 ÷ 单帧耗时（26.9 ms → 37.2 fps，4.32 ms → 231.5 fps）；全天产能 = 吞吐 × 86 400 秒（37.2 × 86 400 ≈ 3.21×10⁶，231.5 × 86 400 ≈ 2.00×10⁷）。结论：同一块 GPU、同样的采集时长，产能约 6.2 倍、单位数据存储约减半——直接压缩长尾数据生产的卡时与存储账单。
八项核心数据能力
1) 多种相机与全景采集
支持普通相机、不同视场的鱼眼相机和 360° 全景采集，并在同一任务中统一管理相机参数、数据类型和输出节奏。采集规范和数据接口可根据客户底层仿真环境进行适配。详见三种相机投影模型。
2) 多模态与「宁缺勿误」原则
同一次采集可以对齐输出可见光图像、距离、表面方向、像素级标签、运动信息、边缘和热红外等数据。对于不适合全景表达的数据类型，系统会主动关闭输出，避免生成格式完整但含义错误的训练数据。
热红外数据结合环境温度、材质热特性和传感器响应生成，可以输出可分析的温度信息，而不是对普通图像施加伪彩滤镜。
3) 距离、标签与运动真值
- 距离数据：同时描述相机方向上的距离和物体到相机的直线距离，便于对接不同感知任务；透明物体可通过补充信息保持图像与距离的一致性。详见深度与立体。
- 像素级标签：同时提供类别、对象和材质三个层级的标签，既能训练识别模型，也能分析不同材质带来的域差异。详见三种分割。
- 运动信息：分别描述物体自身运动与包含相机运动在内的整体画面变化，便于训练跟踪、运动估计和时序理解模型。详见光流。
4) 更接近真实传感器的激光雷达数据
真实激光雷达完成一圈扫描需要时间，车辆和环境在此期间仍会运动。模块按扫描进度校正运动影响，使点云保留更接近真实设备的时序特征；同时自动处理玻璃等透明物体，减少逐个修改场景配置的工作量。详见激光雷达真实感。
5) 毫米波雷达数据
雷达与相机、标签数据共享同一场景和时间线，并根据物体材质、距离和运动状态生成距离、速度与方向信息。具体计算路径可以结合客户所用引擎和硬件能力选择，重点是保证雷达、图像与场景真值相互一致。详见毫米波雷达。
6) 3D 占据真值
系统可以把三维空间划分为网格，并标记每个区域是否被占用，支持单帧快照、全局累积和随载体移动的增量扫描。数据可直接用于占据感知、可通行区域分析和空间规划模型训练。详见占据传感器。
7) 传感器域随机化：物理层面的扰动
系统可以对曝光、色温、测量误差、丢点、设备振动和安装偏差进行可控扰动，并支持固定随机种子重复生成同一组变化。这样既能扩大训练数据分布，也能让不同算法版本在相同条件下公平对比。详见传感器域随机化。
8) 数据管线工程化：把「能采」变成「敢交付」
- 真值可信度：三维目标位置、姿态和图像投影来自同一场景状态，并通过可视化抽查和一致性检查降低标签错误。详见三维包围盒检测。
- 语义自动对齐：支持人工标签、场景规则和本地语义模型协同工作，并可切换常见数据集的类别标准。详见语义推断。
- 格式与容错：覆盖常见图像、数组、点云和标准标注格式；采集前集中检查场景、传感器、硬件和任务配置，避免批量任务运行后才发现数据不可用。详见可用性与数据管线。
- 采集性能：彩色图像与表面颜色处理链路经并行优化后，1920×1080（RTX 3090）关键路径单帧耗时由 26.9 ms 降至4.32 ms（快 6.23 倍），落盘体积减小 48%，数学上无损。详见彩色图像与表面颜色。
平台功能模块
1. 素材库
统一的素材管理与检索：覆盖人物、家具、车辆、建筑、材质、电器、装饰、厨房、卫浴、户外等 10 大类、90 余种智能化类型；支持网格/列表视图、搜索筛选、批量操作与 Demo 数据导入。
2. 素材组合与分布
将相关素材组织为可复用组合，并通过规则控制数量、位置、密度和出现概率，用于批量生成具有差异但可追溯的场景。
3. SDG 工作流（五阶段）
| 阶段 | 主要内容 |
|---|---|
| 数据准备 | 上传数据集、选择已有数据和场景资源 |
| 环境配置 | 设置传感器、场景参数、采样策略和扰动范围 |
| 任务执行 | 分配资源并监控运行状态 |
| 数据处理 | 完成增强、检查和格式转换 |
| 交付分发 | 管理下载、版本和交付记录 |
4. 采集配置
- 传感器配置：支持相机、鱼眼、全景、热红外、激光雷达、毫米波雷达、卫星定位、惯性和接触等数据来源
- 采集配置：总帧数、采样策略（均匀/关键帧/智能/随机）、存储模式（实时流式/本地/云端/混合）
- 路径导航：直线/样条/自由路径/跟随/随机游走
- 通用能力：支持上传自定义 CAD 模型（OBJ/FBX/GLTF/STL/STEP 等）
5. 场景生成与真实环境重建
- 规则化场景生成：通过模板、约束和分布规则批量生成可控场景
- 自然语言场景描述：用业务语言描述环境、对象和任务目标
- 真实环境重建：将现场影像转化为可进入仿真流程的空间资产
6. 数据生产流程演示
把复杂数据任务拆成可展示、可复现的步骤，覆盖数据接入、任务准备、环境配置、执行、处理与结果交付，适合客户评审、内部培训与方案验证。
数据生产流程演示
工程化交付
绘卷的自研任务引擎、数据模块、工作流与调度能力按可规模化部署的工程标准交付，可结合客户现有的 UE、Omniverse 或其他仿真基础设施进行适配。系统支持本地、云端与混合环境中的批量任务、过程监控、数据存储和版本化分发，便于从单机验证扩展到持续运行的数据生产流程。
适用行业
- 自动驾驶：长尾场景数据生产、多传感器数据与标注生成、训练数据规模化扩展
- 机器人：具身智能任务场景构建、多模态传感器数据采集与训练数据生成
- 游戏开发 / 虚拟制作：程序化场景构建、资产复用与高效批量内容生产
延伸阅读：SDG 专栏
更完整的实现细节、验证方法和参考资料见SDG 专栏：包括相机与全景采集、距离与标签、运动信息、主动传感器、场景理解和数据工作流。