来自香港大学OpenDriveLab、中科院自动化所、小米汽车的联合团队提出了一种解决方案—— SimScale 。 自动驾驶数据荒怎么破？ OpenDriveLab 投稿 量子位 | 公众号 QbitAI 该方案 通过真实世界仿真生成关键场景，以及真实仿真协同训练策略，首次揭示了自动驾驶仿真数据的规模效应 。 现实世界难以提供足够的关键与长尾场景，采集到的大多是价值有限的常态片段，导致 数据越多、提升越难 。 因此，自动驾驶的瓶颈不在规模，而在缺乏能系统生成关键场景并支撑大规模训练的新路径。 无需更多真实数据， 只靠扩大仿真数量，一样能持续突破任何端到端驾驶模型的性能上限 。 为什么要有SimScale？ 因为让大模型屡创新高的Data Scaling，在自动驾驶场景中失灵了—— 为此，SimScale应运而生。 什么是SimScale？ SimScale是一个能"无限扩张世界"的仿真生成框架，通过高保真神经渲染，自动制造多样化反应式交通场景与伪专家示范。 它也是一套让仿真与真实"相互增益"的训练策略，使各种端到端模型都能越训越强，鲁棒性与泛化性全面提升。 它还是一份首次系统揭示自动驾驶仿真规模效益的"实践 ...