人工智能赋能验证 · 由 KPIT 提供

KPIT的 世界基金会模式

为了加速 AD/ADAS验证

与仿真和验证平台无缝集成，以提高覆盖率、降低成本并实现生产就绪的自主运行。

联系我们
100×
从每小时已采集的数据中可以得出更多场景
5×
计算经济性降低
月→周
认证周期压缩
向左移动
SIL（系统集成测试）中发现的缺陷，而非车辆测试中发现的缺陷

验证的所有阶段，, 由KWFM提供技术支持。.

一个基础，每一张座椅。从纯软件到实车。.

第一阶段

软件在环仿真

西门子
纯粹软件
第二阶段

SIL-HIL集成

组件硬件在环 (HIL)
仅限 AD/ADAS ECU
第三阶段

系统/实验室车台

系统硬件在环
AD/ADAS + 所有 ECU
第四阶段

车辆在环仿真

维尔
真实车辆 + 传感器
KPIT世界基金会模型
单引擎 为每个阶段提供动力
KWFM是什么？

专为自动驾驶系统打造的基础模型。.

KWFM是KPIT的汽车级基础模型，可按需生成数百万个逼真的驾驶场景，并针对各种地理位置和传感器组合进行优化。它使汽车制造商能够在无需进行数百万英里实际道路测试的情况下，针对所有可预见的场景验证其自动驾驶系统。.

现场直播 · KWFM

KWFM与其他电台有何不同之处

多元化

针对地理和地域差异进行了训练。.

量化

针对实时执行优化的模型。.

模拟

与领先的仿真引擎集成。.

HDMAP化

集成高清地图，实现真实道路定位。.

两条入口。. 一台发动机故障。.

01号路线

原始设备制造商拥有车辆运营数据

充分利用现有数据。找出异常空白。扩大覆盖范围。.

奇数差距分析器 + 基础模型
›
02号路线

原始设备制造商没有车辆测试数据

没有数据？那就从KPIT的场景目录入手。生成道路无法安全形成的场景。.

场景目录 + 高清地图 + 基础模型
›
引擎
基于驾驶数据进行专门训练。考虑物理因素。与传感器配置保持一致。.
跨地域大规模生成合成场景
合成驾驶场景——地理位置、道路类型、天气和路况

单一基金会模式。. 适用于每条道路、每个地区的各种场景。.

🇺🇸美国
🇮🇳印度
基于 ARAI 根据协议共享的数据库构建。
🇯🇵日本
🇰🇷韩国

常见问题，直接解答。

KWFM 与通用世界模型有何不同？

通用世界模型基于单一训练基础，服务于机器人、仓储、医疗和汽车等领域。KWFM 专为自动驾驶而训练，并根据地理环境进行微调，针对汽车感知中使用的特定传感器模式进行配置，且经过量化处理，可在生产成本范围内运行。KWFM 能够生成符合物理规律的反射、道路纹理以及通用模型无法捕捉到的车道和标志等细节。.

KWFM 的运行平台是我们的还是你们的？

KWFM 在您的基础设施内运行。敏感的程序数据和硬件在环 (HIL) 测试平台数据都保留在您的本地或云端。我们的工程师将与您的团队紧密合作，对模型进行微调，生成各种场景，并将其与您的 HIL 测试平台集成。.

我们如何知道 KWFM 生成的情景足够真实可信？

在 BRISQUE 感知真实感指数中，KWFM 生成的场景与真实驾驶视频不相上下，并且明显优于传统的模拟输出。反射、路面纹理、行人行为、相机眩光和天气伪影等细节都得到了高度还原，使您的自动驾驶系统能够像在实际道路上一样做出反应。.

我们如何量化情景覆盖的完整性？

覆盖范围以您的运行设计域 (ODD) 为基础。KWFM 从 ODD 定义出发，系统地生成涵盖其所包含的各种极端情况和对抗条件的场景，并将其追溯至 NCAP、GSR、UN R157、ISO 26262 功能安全和 ISO 21448 SOTIF 要求。每个生成的场景都对应一项法规或项目要求，因此您可以证明的是完整性，而不仅仅是数量。.

我们已经从另一家供应商那里购买了一套 AD 技术栈。KWFM 能否代表我们帮助验证其他供应商的技术栈？

是的。KWFM 会根据您的地理位置进行微调，并在您的环境中运行，让您的团队能够在车辆测试之前，系统地验证集成堆栈在您的客户实际驾驶的环境中是否运行正常。.

您的反馈表已成功提交！

立即订阅