为了解决这一问题， SA-Radar 应运而生。 如下，真实画面右侧从左至右依次是RGB图像、雷达真值、雷达仿真结果、雷达属性修改后的仿真结果、去除场景目标后的仿真结果和新视 角下的仿真结果。 SA-Radar团队 投稿 量子位 | 公众号 QbitAI 以神经网络为核心引擎， 让AI承担雷达仿真数据生成任务，还实现对雷达物理特性的建模与控制—— 这就是光轮智能 联合清华AIR、LeddarTech等机构提出的 全新自动驾驶神经渲染框架 SA-Radar 。 在 无需雷达具体细节的情 况下，它能 实现可控且逼真的雷达仿真，支持场景的灵活编辑 ——包括雷达属性修改、演员移除以及新视角合 成，并能显著增强多种下游任务。 作为高级驾驶辅助系统 （ADAS） 中扮演着至关重要角色的雷达，其相关研究和开发仍面临数据获取的挑战。 尤其让人头疼的事情，是雷达图像显著受到具体软硬件细节的影响。 下图展示了在同一场景中，不同雷达属性和不同视角下的仿真结果： 现存两种雷达仿真方法均有不足 凭借其卓越的抗干扰能力和在恶劣天气条件下的可靠性，雷达在复杂交通环境中表现出色。 然而，雷达相关研究和开发仍面临数据获取的挑战。 现有的雷达仿 ...