51Sim 4DGS研究成果被全球人工智能顶会（AAAI 2026）录用！
近日，由51Sim主导的基于激光雷达约束的单步扩散新视角合成模型研究成果被全球人工智能顶会 AAAI 2026 录用。AAAI (Association for the Advancement of Artificial Intelligence) 是人工智能领域最具影响力、历史最悠久的学术会议之一。该会议录取标准十分严格，此次 AAAI 2026 投稿量高达2.3万篇，创历史新高，最终录用率仅为17.6%，竞争极为激烈。
51Sim与研究团队在此次入选的论文《LidarPainter: One-Step Away From Any Lidar View To Novel Guidance》提出了一种全新的单步扩散新视角合成模型——LidarPainter，可在极低算力消耗下实现高保真、实时的动态驾驶场景生成，突破高阶驾驶仿真重建的置信度和效率瓶颈。
LidarPainter：场景重建流程革命性创新
LidarPainter是一个基于单步扩散和融合激光雷达约束的高保真驾驶场景新视角生成模型，该模型实现了从实车数据，到可编辑、可拓展的智驾场景的闭环重建路径。
LidarPainter 重建流程
LidarPainter首先会对原始图像和激光雷达数据进行处理，并基于原始的单路轨迹进行3DGS场景重建，并叠加各类动态、静态交通元素。由于原始数据覆盖的视角有限，因此重建的场景会出现车辆变形、背景缺失、伪影等问题。随后LidarPainter通过扩散模型并基于激光雷达约束，将低质量的重建场景进行进一步重建，从而确保几何结构准确一致、纹理完整、细节清晰。大幅提升场景的置信度，赋能算法训练。
突破场景重建质量与效率瓶颈
高质量的场景重建长期是智驾仿真领域的关键性技术难题。基于传统方法，一旦偏离原始采集路径，就容易出现明显失真，比如车辆模型模糊、道路结构扭曲、背景坍塌等问题，严重影响场景复现与算法验证的可靠性。
伪影
基于LidarPainter 的单步扩散模型，能够直接将激光雷达数据与带有伪影的渲染图像，实时生成高一致性、高清晰度的新视角图像，大幅提升场景重建的真实度。 测试数据显示，LidarPainter 的处理速度比业界前沿方法 StreetCrafter 提升了7倍，显存占用仅为后者的五分之一，显著降低了重建的成本与技术门槛。
产业化应用落地
51Sim主导的此项研究成果已在多家主机厂的算法和测试部门实现产业化落地应用。基于下一代的4DGS闭环仿真体系，大幅提升了主机厂现有海量真实数据的可用性，助力其快速生成海量、高保真仿真场景，并增加极端天气、复杂路况等corner case场景的数量级，让基于真实数据的闭环仿真成为可能，降低实车路测成本。
原始重建（左） 资产替换、轨迹编辑（右）
同时，重建的场景还进一步可支持SIL / HIL测试，实现更加广泛的应用，赋能加速高阶智驾算法的迭代速度，推进商业化落地进程。
