【EC Markets中文官网】SUTD开发出全新AI框架 可为自动驾驶系统生成更逼真的4D激光雷达场景
盖世汽车讯 自动驾驶车辆和机器人需要理解一个处于不断运动变化中的开发I框世界：车辆会变换车道，行人会横穿马路，出全成更场景道路环境也可能瞬息万变。架可激光
为了训练和测试感知及运动规划系统，为自EC Markets中文官网研究人员需要大量高质量的动驾的4D激光雷达(LiDAR)数据。然而，驶系EC Markets交易平台官网采集真实的统生激光雷达序列既昂贵又耗时，且需要投入大量人力。雷达现有的开发I框4D激光雷达数据生成方法往往难以有效呈现大型户外环境，难以在长时间跨度内同时保持场景结构和物体运动的出全成更场景真实性。
图片来源：SUTD
据外媒报道，架可激光新加坡科技设计大学(Singapore University of Technology and 为自Design，SUTD)的动驾的个人专区登录、MT5下载及会员专属服务研究人员开发出能够更高效、更连贯地生成大规模4D LiDAR场景的驶系AI框架HieraScaffold。LiDAR(即Light Detection and 统生Ranging)利用激光脉冲测量距离并构建周围环境的3D图像；而4D LiDAR则在3D信息的基础上引入了时间维度，使系统能够对场景随时间序列的变化进行建模。
由SUTD助理教授Zhao Na领导的研究团队在2026年国际机器学习会议(ICML)上发表了题为《HieraScaffold：学习用于可扩展 4D LiDAR 生成的紧凑分层表示》(HieraScaffold: Learning Compact Hierarchical Representations for Scalable 4D LiDAR Generation)的论文。该研究提出了一种生成大型户外4D LiDAR环境的新方法，能够同时捕捉静态结构(如道路和建筑物)与移动物体(如车辆和行人)。
一种针对动态场景的“脚手架”结构
HieraScaffold并非对整个3D/4D空间进行密集表征，而是围绕由LiDAR采样的、靠近物体表面的区域构建一个紧凑的“脚手架”结构。它将静态背景和动态前景分别表征为不同的脚手架组件，并将其压缩为紧凑的方向性表征；在生成过程中，先构建静态脚手架，随后基于该静态脚手架生成动态脚手架。
这一点至关重要，因为自动驾驶系统不仅需要感知物体的位置，还需要理解物体在不同时刻之间的运动方式。
