盖世汽车讯 5月27日，面向高端ADAS、自动驾驶和机器人领域的AI软件提供商Helm.ai宣布推出GenSim-3和VidGen-3，在AI生成合成数据领域取得突破性进展。这两款新一代基础模型率先实现了全高清（1920x1080）分辨率，覆盖完整的6摄像头360度环视系统。Helm.ai通过在每个时间步渲染1200万像素的完全同步合成画布，实现了比当前最先进的生成式世界模型高出五倍的像素密度。

视频来源：Helm.ai

随着自动驾驶行业遭遇“数据墙”——即收集真实世界极端案例所需的成本和时间过高，导致开发停滞——Helm.ai的新模型提供了一种可直接投入生产的替代方案。标准的生成式世界模型通常以低于高清或VGA级别的分辨率运行（每个摄像头约0.4兆像素）。Helm.ai的原生全高清(2MP)输出与现代生产摄像机的硬件规格完全匹配，有效地弥合了L2和L4级自动驾驶的“仿真到真实”差距。

5倍像素密度优势：实现与原生硬件相同的性能

关键突破在于多摄像头生成式仿真的保真度。Helm.ai通过生成全高清(2MP)视频，提供了比传统生成式数据集高出五倍的视觉信息量。这种密度是现代自动驾驶开发的基本前提；因为如今的量产车辆都采用高分辨率传感器，所以模拟训练数据必须与硬件的分辨率完全匹配才能有效。尝试在低于高清分辨率的合成数据上训练全高清感知堆栈会造成严重的领域差距。Helm.ai通过以每个摄像头2MP 的原生分辨率进行生成，确保自动驾驶神经网络在与实际道路行驶时完全相同的像素密度上进行训练，从而显著加快安全部署。

为了满足各种传感器和训练需求，该架构具有高度可配置性：工程团队可以优化动态、高速验证，采用每秒30帧(fps)的3摄像头设置，或者通过每秒5帧(fps)的6摄像头、1200万像素环绕视图来最大化空间上下文。

硬件级传感器仿真：虚拟传感器孪生体

与基于CGI的视频生成器不同，Helm.ai的模型通过复制特定的物理约束，作为硬件级精确的虚拟传感器运行。这包括对实际硬件传感器异常现象进行高保真度的刻意再现，例如传感器原生条纹、光学镜头光晕和动态曝光盲区。通过为感知堆栈提供这些数学上真实的硬件输入，Helm.ai能够实现更强大的训练，从而更好地模拟真实世界的传感器行为。

双模型架构：场景迁移 vs. 全合成生成

Helm.ai的平台为汽车制造商提供了一套数据增强和创建流程：

• GenSim-3（高保真场景迁移）：使开发团队能够同步地在6摄像头360度环视设置下重新渲染真实世界的视频。该模型以全高清(2MP)分辨率改变天气、光照和物体外观等参数。此外，最新模型还改进了环境纹理、表面反射率以及复杂材质的光照特性。

• VidGen-3（全合成生成）：完全以合成方式生成高度逼真的驾驶序列。通过从零开始模拟复杂环境、类人智能体行为和交通逻辑，VidGen-3大规模地弥合了地理和环境数据方面的差距。

架构效率：低计算成本实现高保真度

其他生成式世界模型需要数千个GPU的大规模计算才能生成低于高清分辨率的视频，而Helm.ai仅使用由数百个高级GPU组成的高度优化集群，就实现了全高清（2MP）分辨率的里程碑。Helm.ai的专有生成式架构绕过了纯粹端到端扩展通常带来的高计算需求，不仅为全球汽车制造商提供了一条GPU占用效率显著更高的高保真度合成数据管道，而且最终能够将功能强大的自动驾驶软件压缩到低成本、面向大众市场的车载计算芯片上。

Helm.ai首席执行官兼创始人Vladislav Voroninski表示：“我们正在引领行业从标准的‘AI视频’转向真实、硬件级精确的传感器仿真。我们率先采用全高清(2MP)标准，并在每个时间步长内实现1200万像素的总聚合能力，从而解决了长期以来限制生成式AI在安全关键系统中应用的分辨率瓶颈。通过优化计算架构，我们为合作伙伴提供了一个高性能平台，使他们能够使用与实际生产传感器精度完美匹配的合成数据来验证其自主系统。”