从虚拟环境到真实世界试验：自动驾驶的最新趋势

尽管近年来取得了显著进展，自动驾驶技术的实际部署仍受数据稀缺、安全要求以及需跨越多样化环境的泛化能力限制。作为应对，合成数据和虚拟环境已成为强大的推动力，为训练和评估提供可扩展、可控且丰富标注的场景。本综述综述回顾了自动驾驶、仿真技术与合成数据集交叉领域的最新进展。我们沿着三个核心维度组织了这一格局：(i) 使用合成数据进行感知与规划，(ii) 基于数字孪生体的仿真用于系统验证，(iii) 桥接合成与真实世界数据的域适应策略。我们还强调了视觉语言模型和仿真真实性在增强场景理解与泛化中的作用。提供了详细的数据集、工具与仿真平台分类学，并分析了基准设计的趋势。最后，我们讨论了必须解决的关键挑战和开放研究方向，包括Sim2Real迁移、可扩展的安全验证、协作自主性以及仿真驱动的政策学习，以加速实现安全、可泛化且可全球部署的自动驾驶系统。