Foretellix：基于PhysicalAIDataset的ADS验证

当前智驾算法以数据为核心，但海量无图数据需经清洗、路段级场景定位及地图还原，才能准确判断车辆所处场景并评估性能。场景识别的关键不在视觉对象检测，而在提取并线、加塞、压线等语义级交互行为，以支撑安全覆盖度分析。2026年6月17日，在第九届智能驾驶与出海大会上，Foretellix中国应用工程总监徐天皓介绍到，Foretellix通过抽象场景语言定义“路口遇行人穿行”等高维场景，结合减速度等风险维度过滤，可快速挖掘动态片段，并支持加塞与切出等场景的组合检索，避免重复挖掘。该方式将场景原子化，便于评估覆盖度、嵌入数据飞轮，并为算法训练与验证提供结构化输入。

数据飞轮层面，Foretellix通过AI agent自动检索问题场景、创建数据集，并基于ODD定义与评价标准构建验证计划，利用场景树正交分布量化覆盖度与数据分布一致性。企业可据此定向补充路测或生成合成数据，形成“定义目标-执行验证-提升覆盖-回归测试”的闭环，最终将整套方案嵌入SOTIF框架，支撑L3/L4法规下的安全性论证与发版决策。

徐天皓｜Foretellix中国应用工程总监

以下为演讲内容整理:

目前，智驾算法普遍以数据为中心。理解数据及其适用场景，以及在出海时如何向未来的L3、L4法规证明智驾产品的安全性与场景覆盖充分性，是行业关注的重点。

Foretellix 专注于场景挖掘与场景泛化，也深度参与了 ASAM OpenSCENARIO 标准的制定。在已有数据集的基础上，如何将其应用在算法训练上，以及如何证明系统安全性，是我们接下来要探讨的问题。

我们提供的解决方案是从数据导入开始，对数据进行清洗与去噪处理。目前大量数据都是无图的，因此我们需要对无图数据实现路段级场景定位，并从数据中一定程度还原地图，从而判断车辆进入了哪种场景范畴，再在该范畴内评估车辆性能是否达标。随后通过数据接入将数据数字化，进行场景匹配，也可以依据客户提供的场景标签进行标注。

图源:演讲嘉宾素材

这里的关键在于场景识别，其难点在于:识别的目标不是简单判断画面中是否存在某一特定对象，而是提取场景的语义信息——例如当前是否处于变道场景、某一时间段内前车是否存在加塞意图、或几秒到几秒的时段内前车发生了压线行为等。这类语义级信息对于深度理解场景至关重要。

其本质涉及行为覆盖与交互行为分析。对此类场景的挖掘，一方面有助于后续系统性评估智驾系统在各类情况下的安全性；另一方面，当智驾系统表现不佳时，可通过定性分析定位相关场景，进一步核查其测试覆盖度是否充分。

每个挖掘出的场景都应该呈现其内部的覆盖情况，包括车速、相对距离、相对位置以及天气等维度。我们可以预先定义若干风险维度，在场景挖掘过程中实现对这些维度的全面覆盖。举个例子，如果需要挖掘车辆通过路口时遭遇行人横穿、并可能触发减速的场景，传统方法往往难以实现精准搜索，原因在于其颗粒度不够细，因此需要引入抽象场景语言来描述和定义这类场景。首先，需要将场景描述为quot;车辆过路口且遭遇行人横穿quot;这样的抽象场景定义，而不是一条具体的轨迹。在此基础上进行场景挖掘，同时可以进一步设置筛选条件，在该类场景中寻找车辆减速度大于4米/秒?的情形。通过识别抽象场景空间并结合过滤机制，就能快速挖掘出目标场景。完整捕捉场景的动态特性，无论是对模型训练还是安全覆盖度评估，都具有重要意义。此外，所有场景还应支持灵活组合，例如用于挖掘加塞场景或前车切出场景。那么，如果需要查找同时包含加塞与前车切出的场景，是否需要重新挖掘呢？实际上不需要。只要将抽象场景定义得足够充分，就可以通过组合条件快速完成挖掘——例如设定场景 A 与场景 B 的先后顺序关系、同时发生关系，或者并集、交集关系。通过这种方式，可以快速挖掘出目标场景，并进一步评估该场景在数据闭环中的覆盖度是否充足，以及最终能否支撑安全性的证明。

基于此，可以在软件中明确挖掘出诸如quot;前车切出后另一车辆随即切入quot;这类复合场景，并在所有此类场景下评估智驾系统的性能表现。这对算法开发与算法验证都有实际帮助。与此同时，还可以查看新采集场景下的覆盖情况。该场景本身也可以作为原子场景，继续与其他场景进行组合搜索。

图源:演讲嘉宾素材

Foretellix 的解决方案，旨在帮助企业让内部已有的数据飞轮运转得更高效、更顺畅。大多数企业都已建立数据飞轮，也有自己的数据湖。我们希望通过场景标签实现数据治理、训练与采集的闭环。

我们可以为 Data Lake 中的数据打上不同的场景标签。当智驾系统在十字路口冲突场景下频繁触发刹车，我们可以调用AI Agent，将此类场景检索出来，并创建一个包含所有相关片段的数据集，进而评估其覆盖度情况如何，是否达标。在正式分析数据之前，我们需要先明确任务完成的判定标准，包括 ODD 定义和评价标准。

图源:演讲嘉宾素材

完成定义之后，可以进一步让 AI 创建工作流，明确各步骤的先后顺序和具体执行方式，并将企业内部工具串联调用，以加速数据流通。确定工作内容后，下一步可创建验证计划。该计划需基于既定目标和判定标准，验证测试计划能否有效分析数据，确保数据在规定范围内表现良好。此外，还需要提供数据 Distribution 和 Coverage 两方面的证明——Distribution 指数据分布是否与实际道路测试的分布保持一致；Coverage 指在给定分布下，所有情况是否至少被覆盖一次。下图是一个示例验证计划，可供参考设计。比如，在自车行为层面，可覆盖泊车、车道保持、变道、路口通行等场景；周围交通参与者方面，可涵盖对向来车、跟车、加塞等类型。基于此，我们可以构建场景树及其正交分布——本质上是一个高维矩阵，用于系统评估覆盖情况。此外，也可以借助 AI 辅助生成此类验证计划。

图源:演讲嘉宾素材

通过从多个维度对场景树进行拆解，可以看到各类场景树下验证计划最终能够展开为多少个可执行场景。将对应场景与数据进行映射，并叠加场景标签与公司内部标签，即可得到各维度下的覆盖度分析结果。

比如，在汇入车场景下覆盖度如何？当汇入车与通行标志同时出现时，交叉覆盖度又是怎样的？这些属于比较传统的矩阵形式。如果将某一覆盖维度展开，可以看到对应的测试验证计划数量及其分布情况，比如速度分布、各类车辆行为分布等。只要是可以定义、且属于值得关注的风险维度，都可以提取相应的分布。

图源:演讲嘉宾素材

有了这些分布之后，我们就可以向 AI 助手提问:当前入口场景的分布情况如何？是否存在覆盖缺口？如果要改善该入口场景的覆盖，应该在哪些方向上补充路测，或者在哪些方向上生成更多合成数据，从而实现闭环？再比如，未来在进行 ADS 认证时，如何更充分地证明相关能力？

我们还是回到数据飞轮上，Foretellix 更多扮演的是润滑剂的角色，帮助企业让这一飞轮转得更顺畅，更好地理解已有数据。遇到问题时，可以优先通过仿真进行复现。在拥有抽象场景数据集之后，可以定义数据集范围，框定相应数据用于模型训练。

图源:演讲嘉宾素材

上述各环节都离不开对抽象场景的理解。给定抽象场景后，如何高效泛化？得到数据集后如何分析其覆盖度？进而如何分发新的数据采集任务，或交由合成数据团队生成更多合成数据？合成数据团队也可以直接利用泛化出的场景进行对接，比如当前较为热门的 3D Gaussian Splatting、4D Gaussian，或类似 Cosmos 的世界模型来完成场景生成。完成迭代后，可执行回归测试，确保不出现顾此失彼的情况——在覆盖度区间内尽可能多地开展回归测试，并识别哪些场景的 clip 对覆盖度贡献最大，优先完成该部分的回归验证。

这就是我们刚才提到的合成数据生成工作流。我们可以导入轨迹数据，利用 Scenario Designer 对轨迹进行编辑——使其向左或向右偏移、加速或减速，或将同一抽象场景迁移至道路上的其他位置；也可以直接导入数据并进行去噪处理，然后对接 Cosmos 仿真，或对接 3DGS/4DGS，以进行合成数据生成并填充覆盖度空间。

图源:演讲嘉宾素材

我们同样支持对接传统仿真软件。基于同一抽象场景定义，遵循 OpenSCENARIO 标准，可以泛化出大量 Object Level 轨迹，并通过仿真软件完成场景泛化。无论是用于验证还是合成数据生成，都可以在一定程度上加速数据飞轮的运转。

图源:演讲嘉宾素材

最终，我们期望工具在投入使用后，随着迭代的推进，覆盖度与通过率均呈逐步上升的趋势；同时能够清晰地看到，在所有关注的风险维度中，还有哪些尚未被覆盖。

当具备高维度抽象级别的场景描述后，就可以借助工具进行高维度泛化。这里的泛化并不是针对某条道路上的具体轨迹做速度微调，而是例如:自驾车无保护左转时遭遇对向来车，红绿灯状态如何变化——要求生成100个、1000个乃至1万个此类场景。这些场景可能发生在各类路口，自驾车无保护左转时周围的交通流轨迹也各不相同。通过泛化出的轨迹，可以分析问题与整个场景高维空间之间的相关性，进而辅助深入分析。这里我们引入了熵的概念，用于降低仿真不确定性，尽可能摸清自有算法的边界。

图源:演讲嘉宾素材

整套方案同样可以嵌入 SOTIF 框架中。总体来说就是:先定义目标，设计并运行测试，衡量场景执行情况；一方面持续提升覆盖度，另一方面寻找更优质的数据以提升模型质量；最终经过完整的论证过程，达到停止标准，证明已满足发版要求后再继续推进。Foretellix 可以支撑上述全流程的落地实施。

图源:演讲嘉宾素材

最后，做一个总结。在数据层面，可以从车队中收集数据用于训练，对数据进行评估与探索；仿真则可进一步生成更多合成数据。我们需要理解数据缺口，并针对数据缺口获取更多所需数据。对于不便通过实车采集的危险场景，可以借助合成数据来补充数据覆盖。目前合成数据的仿真置信度也有国家相关标准正在制定中，可以将上述多种手段综合运用，全面提升企业内部的数据闭环水平。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。