# 绘卷 · AI仿真技术平台

> AI 驱动的仿真数据生成与场景构建平台。核心采集插件 IADataSDG 基于 UE5.7 实时渲染，在相机投影、模态宽度、LiDAR 真实感、占据真值与数据管线工程化等维度，与 Isaac Sim、CARLA、AirSim、BlenderProc 形成系统性差异。

- 来源：渲元数科（Imitatio Artis）· 项目成果
- 页面：https://k2sim.cn/projects/%E8%AE%AD%E7%BB%83%20-%20%E4%BB%BF%E7%9C%9F%E5%B9%B3%E5%8F%B0
- 日期：2026-04-13
- 标签：SDG、合成数据、仿真、IADataSDG、竞品对比、PCG

---
**绘卷** 是面向自动驾驶、机器人与游戏开发行业的 **SDG（合成数据生成）** 平台，由两层构成：**Web 工作流平台**（素材管理、场景生成、任务编排与交付分发）与**核心采集插件 IADataSDG**（基于 UE5.7 实时渲染的多传感器合成数据引擎）。本文重点说明后者与 Isaac Sim、CARLA、AirSim、BlenderProc 等同类方案的能力差异——差异不在单点功能的有无，而在「实时管线 + 模态宽度 + 真值可信度 + 工程化交付」的系统性组合。

演示Demo入口：[绘卷 - 神太再现](https://huijuan.k2sim.cn "开发中版本不代表最终品质")

## 成果展示

![SDG 合成数据生成案例展示](/static/videos/CaseShow-SDG.mp4)

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

![](/static/uploads/Snipaste_2026-04-13_10-25-55.png)

---

## 一页看懂：IADataSDG 与同类方案的差异

### 赛道定位

| 方案 | 渲染路线 | 定位特点 |
| ---- | -------- | -------- |
| **IADataSDG** | UE5.7 **实时**渲染 | 实时管线内的多投影、多模态、多传感器一体化采集，与 Web 平台打通交付 |
| Isaac Sim | Omniverse / RTX | 生态成熟，机器人语境强；非虚幻系统 |
| CARLA | UE 系，近实时 | 自动驾驶学术生态广，能力以经典模态为主 |
| AirSim | UE 系，实时类 | 官方已停止维护，能力面与 CARLA 类似 |
| BlenderProc | 离线路径追踪 | 离线渲染质量突出，非实时节拍 |

### 核心差异一览（能力矩阵）

> 标记口径：✓ 原生支持；部分 = 部分支持 / 需额外条件；— = 公开资料未见。基于截至 2026 年公开资料归纳，仅作能力面定性对照，不代表第三方产品的数值表现。

| 能力维度 | IADataSDG | Isaac Sim | CARLA | AirSim | BlenderProc |
| -------- | :-------: | :-------: | :---: | :----: | :---------: |
| 实时渲染管线 | ✓ | ✓ | 部分 | 部分 | — |
| 鱼眼 + ERP 全景投影 | ✓ | 部分 | — | — | 部分 |
| 材质分割（语义/实例之外） | ✓ | — | — | — | — |
| 物体光流 + 全局光流双语义 | ✓ | 部分 | — | — | 部分 |
| 原生 3D 占据真值传感器 | ✓ | 部分 | 部分 | — | — |
| LiDAR 扫描时序补偿 | ✓ | — | — | — | — |
| 含振动外参微扰的域随机化 | ✓ | 部分 | 部分 | — | 部分 |
| 与 Web 平台打通的工程化交付 | ✓ | — | — | — | — |

### 模态能力对比（公开资料归纳）

| 能力维度 | IADataSDG（UE5.7） | Isaac Sim | CARLA | AirSim | BlenderProc |
| -------- | ------------------ | --------- | ----- | ------ | ----------- |
| **相机投影** | 透视（内参驱动）+ 两种鱼眼 + ERP 全景，同一实时管线 | 鱼眼较强；内参驱动针孔多记为部分支持 | 长期无鱼眼 / ERP | 同 CARLA | 有鱼眼，离线为主 |
| **深度** | 平面深度 + 欧氏深度**并列实时**；透明扩展深度 | 有欧氏；RTX 对透明较自然 | 无透明完整深度 | 类似 CARLA | 离线路径追踪处理透明 |
| **分割** | 语义 + 实例 + **材质分割（3/3）** | 语义 + 实例，无材质 | 语义 + 实例，无材质 | — | 语义 + 实例，无材质 |
| **光流** | **物体光流 + 全局光流**两种语义并列 | motion vectors（≈全局） | 公开能力未见光流真值 | 同 CARLA | 离线可产出 |
| **BaseColor** | 一等输出，强调曝光/色调可复现 | 有（albedo） | 未见对等一等输出 | — | 有（diffuse_color） |
| **实时边缘图** | GPU 实时近似 Canny，同帧一键启用 | 非内置一等模态 | 同左 | 同左 | 离线可自行跑 OpenCV |

### 传感器与工程化对比（公开资料归纳）

| 能力维度 | IADataSDG | Isaac Sim | CARLA | AirSim | BlenderProc |
| -------- | --------- | --------- | ----- | ------ | ----------- |
| **LiDAR 扫描时序补偿** | 内置 rolling shutter 语义的运动补偿 | 公开文档未见等价说明 | 未见 | 未见 | — |
| **LiDAR 透明处理** | 全透明部件**自动保守过滤** + Actor 标签扩展 | 多需手工改碰撞/通道 | 同左 | 同左 | — |
| **3D 占据真值** | **原生占据传感器**：三种模式 + ROI + binvox/RLE | 偏机器人导航语境 | 依赖 CarlaSC 等离线脚本 | 未作主打项 | — |
| **3D 框投影线段（edges_2d）** | 支持，含近平面裁剪 | 不输出 | 不输出 | — | — |
| **传感器域随机化** | 振动 + 相机 + LiDAR + IMU（Kalibr 系）+ 确定性种子 | 相机类较全；未见同等振动模型 | 相机部分覆盖 | — | 偏图像后处理式噪声 |
| **语义类别体系** | 内置 nuScenes / Cityscapes / KITTI / COCO 多词表自动对齐 | 自定义 schema 取向 | 编译期绑定 Cityscapes | — | 手动 category_id |
| **输出格式宽度** | JPEG/PNG/BMP/NPY/NPZ/EXR/PFM/LZ4/TIFF/Oodle + PCD | 子集 | 子集 | 子集 | 子集 |
| **采集前预检** | IAFaultsChecker：集中、可落盘、可作流水线门禁 | 公开描述少见同等形态 | 同左 | 同左 | 同左 |

> 以上对比基于截至 2026 年的公开资料归纳，逐项出处见文末「SDG 专栏」对应文章；不构成对第三方产品数值行为的一致性保证。

---

## 提效测算：同算力下的产能与存储

下列数字**只取我方实测基线并标注推导过程**，不与第三方做头对头数值比较（竞品侧仅作上方能力矩阵的定性对照）。

绘卷对 RGB / BaseColor 采集链路做 GPU 化改造后，在同一张 **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。

---

## 八项差异化能力详解

### 1) 三种相机投影，同一条实时管线

透视（以内参描述焦距与主点）、车载环视常用的**等距 / 等立体两种鱼眼**（视场约 170° 及以上）、**ERP 360° 全景**（2:1 展开）在同一系统内按需选用，输出附带投影类型元信息。「三种投影 + 实时 + 多模态」的组合在公开工具中仍相对少见——CARLA、AirSim 公开资料长期未提供鱼眼与 ERP 采集。这直接决定了环视 BEV、全景理解等任务的数据能否与实车标定对齐。详见[三种相机投影模型](/logs/sdg-camera-models)。

### 2) 13 类视觉模态与「宁缺勿误」原则

透视与常规鱼眼下 **13/13** 类视觉模态全量输出（RGB、双深度、双完整深度、法线、BaseColor、三种分割、双光流、边缘）；超广鱼眼 / ERP 路径下主动收敛为 **9/13**——普通深度与光流在全景展开下几何语义不再成立，**宁可少给 4 类模态，也不交出看起来完整、实际会误导训练的数据**。能稳定定义的才输出，定义摇摆的明确说明边界，这是整个系统的取舍原则。

### 3) 双深度语义 + 三种分割 + 双光流

- **深度**：平面深度（沿视线轴）与欧氏深度（斜距）**并列实时输出**，分别对齐针孔投影与激光/ToF 的测量语义；透明物体经附加通道与代理几何补全，避免「RGB 见玻璃、深度无遮挡」的语义不一致。详见[深度与立体](/logs/sdg-modality-depth)。
- **分割**：语义、实例之外提供**材质分割**——按引擎材质实例逐像素切分。公开对比中 Isaac Sim、CARLA、BlenderProc 均无此输出，材质级 sim-to-real 分析在竞品侧较难复现。详见[三种分割](/logs/sdg-modality-segmentation)。
- **光流**：**物体光流**（前景运动，背景趋零）与**全局光流**（含相机运动的总位移）两种语义并列；CARLA、AirSim、UnrealCV、NDDS 公开能力普遍无光流真值。详见[光流](/logs/sdg-modality-optical-flow)。

### 4) LiDAR 真实感：从「能打点」到对齐真机

两类典型缺口的工程化补全：**rolling shutter 运动补偿**——按扫描进度对命中点做刚体运动补偿，点云携带与真实旋转扫描一致的时序畸变，支撑去畸变、里程计算法的训练与验证（截至 2026 年，Isaac Sim RTX LiDAR、CARLA、AirSim 公开文档未见等价物理模型说明）；**透明材质自动过滤**——仅当部件全部材质槽均为透明类型时整件忽略，混合材质不误伤，免去竞品路径下手工改碰撞的工作量。详见 [LiDAR 真实感](/logs/sdg-lidar-realism)。

### 5) RTX 毫米波雷达：物理可解释的 4D 输出

用 DXR 硬件光追近似 77 GHz 电波的传播与反射（SBR 路线），雷达与相机、分割看到**同一个世界**而非影子模型；后端按 FMCW 信号模型组织为「距离 × 速度 × 方位 × 俯仰」4D 数据立方体，经 CA-CFAR 检测输出与雷达文献叙事一致的形态。内置面向 77 GHz 的典型材料参数库并给出公开文献来源。默认采用「GPU 光追前端 + CPU 后端」的稳健基线，全 GPU 后端与 UTD 绕射为可选实验项——**先把结果做稳，再去追更快**。详见 [RTX 毫米波雷达](/logs/sdg-rtx-radar)。

### 6) 原生 3D 占据传感器

基于物理重叠判定的体素占据真值，支持 **PerFrame**（逐帧快照）、**Global**（全局累积）、**Scanner**（载体运动下按块增量扫描）三种模式，ROI 支持包围盒与圆柱体，输出 binvox 族格式 + 游程编码压缩。公开对比中，Isaac Sim 的占据能力偏机器人导航语境，CARLA 依赖 CarlaSC 等离线脚本——**面向车载、嵌入实时采集流程的占据输出**在 2025–2026 公开材料中仍较少见，直接影响占据网络（SurroundOcc、FB-OCC 等）数据基建的工期与可复现性。详见[占据传感器](/logs/sdg-occupancy-sensor)。

### 7) 传感器域随机化：物理层面的扰动

相机（曝光 EV、色温、高斯噪声）、LiDAR（测距噪声、伯努利丢点、强度噪声）、IMU（Kalibr 系参数化）之外，独有**振动模型**将支架与车体激励导致的**外参微扰**显式纳入数据生成——这不是在图像上叠噪声，而是物理自洽的扰动（公开对比中 Isaac Sim 未见同等振动模型）。全部随机化支持**确定性种子**，同一配置可精确复现同一扰动序列，消融实验不被随机性淹没。详见[传感器域随机化](/logs/sdg-sensor-randomization)。

### 8) 数据管线工程化：把「能采」变成「敢交付」

- **真值可信度**：3D 框直接取自参与渲染的视图几何（非游戏线程近似），输出含 `edges_2d` 投影线段（Isaac Sim / CARLA 均不输出）；KITTI / COCO 转换的信息损失**明确写入文档**——格式通过不代表几何正确，重投影目检与 IoU 抽查纳入日常验证。详见[三维包围盒检测](/logs/sdg-detection-3d-bbox)。
- **语义自动对齐**：规则匹配 + 本地文本模型补全，内置 nuScenes / Cityscapes / KITTI / COCO 四套词表，切换词表即可按不同标准出标签；每条语义记录来源（规则 / 模型 / 人工），可追溯、可筛选。详见[语义推断](/logs/sdg-semantic-inference)。
- **格式与容错**：单栈覆盖 JPEG / PNG / BMP / NPY / NPZ / EXR / PFM / LZ4 / TIFF / Oodle 与 PCD，公开对比中未见更宽组合；IAFaultsChecker 在开采前集中预检场景、渲染、硬件与配置问题并产出可落盘报告，可作为流水线质量门禁；空实例、无相机、部分禁用等配置形态有明确的停止条件语义，批量任务不空转。详见[可用性与数据管线](/logs/sdg-usability-and-data-pipeline)。
- **采集性能**：RGB / BaseColor 处理链路经 GPU 化改造后，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 [RGB 与 BaseColor](/logs/sdg-modality-rgb-basecolor)。

---

## 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. Bundle 组合系统

将相关素材打包为可复用组合，用于场景生成时的素材分布：支持 Perlin、Simplex、Worley 等噪声模型，Random、Poisson、Grid 等分布算法，以及逐素材概率权重。

### 3. SDG 工作流（五阶段）

| 阶段 | 主要内容 |
| --------------- | -------------------------------------------------- |
| **Prepare**     | 数据准备：上传数据集、选择开源数据、选择场景资源   |
| **Setup**       | 环境配置：传感器设置、场景参数、采样策略、噪声模型 |
| **Deploy**      | 任务部署：资源分配、执行监控                       |
| **PostProcess** | 后处理：数据增强、格式转换                         |
| **Delivery**    | 交付分发：下载管理、版本控制                       |

### 4. Setup 专业配置系统

- **传感器四大类**：摄像头类（RGB/深度/红外/鱼眼/事件相机，内外参与多种标注图配置）、雷达类（机械/固态 LiDAR、毫米波、超声波）、接触传感器、仿真传感器
- **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（PCG / AI 描述 / 3D 高斯）

- **PCG 场景生成**：「元素层 + 规则层」模板系统，分层配置、组合复用、可视化构建
- **AI 场景描述**：自然语言生成场景，面向非技术用户
- **3D 高斯重建（Demo）**：视频上传 → 合格性检测 → 参数配置 → 训练进度 → 导出的完整交互流程

### 6. 插件化演示流程

把复杂 SDG 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、执行部署、后处理与结果交付，适合客户评审、内部培训与方案验证。

![IA DATA SDG 插件演示步骤](/static/videos/IADATASDG.mp4)

## 工程化交付

采集引擎、Web 工作流与任务调度按**可规模化部署**的工程标准交付：支持本地 / 云端 / 混合的采集与存储编排、批量任务的可监控执行，以及版本化的数据分发，便于从单机验证平滑扩展到产线级数据生产。

## 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

上文各维度的完整技术说明、与竞品的逐项对比及参考文献，见 [SDG 专栏](/series/sdg)（13 篇）：相机与投影、视觉模态（RGB/BaseColor、深度、分割、光流、边缘）、检测与标注、主动传感器（LiDAR、毫米波雷达、占据）、场景理解与工作流。