Autonomous Driving 3D Reconstruction
AD3R Lab 是一个面向自动驾驶与具身智能场景的三维重建研发组织，专注于将真实世界采集数据转化为可重建、可编辑、可渲染、可仿真、可评测的高价值 3D 场景资产。
我们当前的核心研发方向是自动驾驶场景下的 3D Gaussian Splatting（3DGS）重建。针对 OEM、Tier1 以及智能驾驶研发团队在影子数据利用、稀有场景复现、仿真数据闭环和真实世界资产化方面的需求，我们希望构建一套从车端多模态数据到高保真三维场景资产的技术体系。
我们的目标是让真实驾驶数据具备持续复用价值：能够被重新观察、重新编辑、重新渲染，并进一步服务于自动驾驶感知、规控、仿真、测试和数据闭环。
我们的定位是：
面向自动驾驶真实世界数据的 3D 场景资产化技术团队。
我们的愿景是：
让每一段真实驾驶数据都可以转化为可复用、可编辑、可仿真的三维世界资产。
围绕这一愿景，我们重点建设以下能力：
真实场景重建
基于车载相机、多视角视频、标定、轨迹和其他可用传感器数据，重建具有真实尺度和空间一致性的驾驶场景。
3D Gaussian Splatting 大场景表达
面向城市道路、路口、园区、长距离驾驶片段等场景，探索适用于自动驾驶的高质量、可扩展、可渲染 3DGS 表示。
动静态分离与场景结构化
将静态道路环境与动态车辆、行人、骑行者等交通参与者进行分层建模，为场景编辑、事件复现和仿真回放提供基础。
真实尺度恢复与几何一致性
结合多相机标定、运动轨迹、深度估计、地图或车辆先验，使重建结果从相对几何走向可用于工程验证的真实尺度世界。
仿真与渲染生态接入
支持将重建场景导入 Unreal Engine、Web 渲染或其他仿真平台，使真实数据能够进入自动驾驶研发、测试和演示流程。
AIGC 场景补全与语义理解
探索利用生成式模型、视觉语言模型和 3D 语义理解技术，对遮挡、空洞、稀疏区域进行补全，并让三维场景具备可检索、可理解、可编辑的语义能力。
我们相信，未来自动驾驶研发中的关键能力之一，是将真实世界数据转化为高质量三维资产，并在此基础上构建可控、可复现、可评测的数据闭环。Branches 3D Reconstruction Lab 希望成为这一方向上的长期建设者。
当前我们重点关注：
