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世界：车辆会变换车道，行人会横穿马路，道路环境也可能瞬息万变。

为了训练和测试感知及运动规划系统，研究人员需要大量高质量的 4D 激光雷达（LiDAR）数据。然而，采集真实的激光雷达序列既昂贵又耗时，且需要投入大量人力。现有的 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真实性。

图片来源：SUTD

据外媒报道，新加坡科技设计大学（Singapore University of Technology and Design，SUTD）的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 AI 框架 HieraScaffold。LiDAR（即 Light Detection and 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