2025国际产学研用合作会议新能源与智能汽车研讨会自动驾驶论坛于11月9日在合肥工业大学翡翠湖校区成功举办。论坛由合肥工业大学计算机与信息学院（人工智能学院）承办，中国图像图形学会合肥会员活动中心、安徽省人工智能学会协办。

本次论坛聚焦于自动驾驶、空间智能、具身智能及车辆网络等关键前沿问题，邀请到西班牙巴塞罗那自治大学Antonio Manuel López教授、华为中央研究院白东峰研究员、西安交通大学薛建儒教授、北京工业大学马楠教授、华中科技大学王兴刚教授、小米汽车陈龙博士、清华大学鲁继文教授、小米汽车王乃岩研究员、美国弗吉尼亚理工学院石怡教授、香港中文大学（深圳）李镇助理教授、美国北德克萨斯州大学袁晓辉教授等十一位专家作专题报告。合肥工业大学计算机与信息学院（人工智能学院）贾伟教授、吴乐教授、崔洁全教授、刘博教授、唐益明教授和杨静教授主持了论坛。来自合肥工业大学、奇瑞、科大讯飞、哈尔滨工业大学（深圳）、香港中文大学（深圳）、吉林大学、安徽大学等30多家单位的170多名专家和师生参加了此次论坛。

合肥工业大学计算机与信息学院（人工智能学院）副院长吴共庆教授热情洋溢的致辞。他首先对与会嘉宾表示热烈欢迎，并指出，当前全球汽车产业正经历新能源化与智能网联化的深刻变革，而自动驾驶技术正是其中的核心驱动力与战略制高点。他强调，作为在汽车领域享有盛誉的“双一流”高校，合肥工业大学积极服务国家战略，依托其在人工智能领域的深厚积淀与前瞻布局，通过成立创新学院、深化与华为、小米等领军企业的合作，旨在突破关键核心技术，共同培养高端人才，为解决产业实际难题、推动智能汽车产业高质量发展贡献工大力量。

Antonio Manuel López 教授分享了其团队在端到端自动驾驶系统上的研发与实践。他阐述了该技术如何通过深度学习模型直接实现从传感器输入到控制指令的映射，从而简化传统模块化架构的复杂性。其团队项目从仿真起步，利用开源数据构建数字孪生环境进行开发，并成功部署于真实城镇道路，在多种复杂场景下验证了系统的良好适应性与初步的常识推理能力。最后，他强调了模型轻量化与数据融合对于推动该技术实际应用的重要性。

白东峰研究员系统阐述了空间智能作为机器在三维时空中感知、推理与行动的能力，是实现通用人工智能（AGI）的关键路径之一。他重点分析了当前评测基准的不足，并介绍了其团队构建的新基准，该基准以其大规模、高复杂度和多样化的任务设置，旨在全面评估模型的时空推理能力。评测结果显示主流大模型目前表现仍不理想，他计划发布该基准并举办挑战赛，以联合产学界共同推动空间智能评测标准的发展与应用。

薛建儒教授深入探讨了自动驾驶大模型发展的核心挑战，即在开放动态环境中如何平衡系统性能与行为的安全可信性。他提出，未来的关键在于将能提供明确安全边界的基于模型的控制理论，与善于处理复杂性的数据驱动方法相融合，构建“安全可信”的自动驾驶系统。薛建儒教授还分享了其团队在安全验证与因果分析等方面的实践，并强调了从控制理论角度进行形式化验证对于高校基础研究的重要性。

马楠教授系统介绍了其团队在无人驾驶“具身交互智能”领域的研究与实践。团队从车内外两个层面展开工作：在车外，研发了高精度定位与深度强化学习框架，使车辆能理解环境语义并完成如窄路会车等复杂交互任务；在车内，则通过多模态数据与时空超图网络，实现对乘员行为与意图的精准识别，以提供主动式个性化服务。这些技术已成功应用于智能座舱及移动农业机器人等领域，推动了无人系统从“功能执行”向“智能交互”的演进。

王兴刚教授系统阐述了端到端自动驾驶大模型的技术演进与挑战。他重点介绍了其团队在纯视觉在线地图建模方面的突破，将地图构建转化为序列预测问题，有效规避了对高精地图的依赖；同时，团队采用稀疏化表征和Diffusion模型等技术，在行为预测与规划方面取得了超越业内水平的性能。为应对仿真与现实的差距，团队利用3D高斯泼溅技术进行高保真重建以训练强化学习智能体，显著降低了碰撞率。最后，他展望了通过注入人类驾驶认知和大规模真机训练，推动AI向行为智能演进的发展方向。

鲁继文教授在报告中强调了视觉感知作为自动驾驶核心技术的地位。他回顾了通过三维感知、多传感器融合以及生成式模型（如BEVerse和DriveDreamer）来提升系统在复杂环境下鲁棒性与场景泛化能力的研究进展。鲁教授指出，未来研究将更注重大规模数据整合与智能推理，以提升决策效率与安全性。他展望了自监督学习与端到端系统的发展方向，并呼吁加强学界与业界的合作，共同推动智能驾驶技术的安全与可信应用。

陈龙研究员在报告中提出了“自动驾驶3.0”的认知驱动范式。他指出，技术正从模块化的1.0阶段、基于数据驱动的端到端自动驾驶2.0阶段，向认知驱动的自动驾驶3.0阶段演进，其核心是融合视觉与语言模型，使系统不仅能理解环境，更能执行语言指令并具备常识推理能力。他介绍了Lingo等模型在实现安全决策与自我优化方面的进展，并探讨了应对复杂场景和异常行为的挑战。最后，他展望未来，强调自动驾驶系统需融合认知驱动与数据驱动，发展类人的高级推理能力，并呼吁产学界合作共促技术突破。

王乃岩研究员系统性地比较了虚拟AI与物理AI的根本差异，指出物理AI依赖连续传感器数据并与物理世界互动，其核心是时空感知能力。他回顾了自监督学习、图像遮蔽建模等视觉-语言模型的前沿进展，认为其为物理AI的鲁棒表示提供了支持，并介绍了其团队基于运动的物体实例概念学习新方法。最后，他展望未来，指出物理AI需攻克数据闭环与多帧预测等挑战，实现从感知知识到预测物理世界能力的跨越，以达成智能化决策与控制。

石怡教授聚焦于车联网中的下一代通信技术，重点剖析了频谱资源稀缺与5G干扰两大核心挑战。他阐述了中国车联网专用频段带宽不足的困境，并介绍了美国CPS频段通过云端动态共享机制提升利用率的解决方案；同时，针对5G基站与天文观测的干扰问题，他讲解了通过划定保护区域、分级调整功率来实现信号覆盖与干扰平衡的技术路径。报告从技术、政策与学术多维度，为车联网通信的痛点提供了系统的解决思路。

李镇教授的报告核心是以三维视觉深度学习算法攻关L3级自动驾驶任务，旨在通过纯视觉方案替代激光雷达。他详细介绍了一系列高效预训练与鲁棒感知的创新实践：包括基于运动预测与3DGS的自监督预训练范式、稀疏架构与跨模态蒸馏技术，以及动态地面标记实现单目3D路面检测与高清地图生成。这些工作旨在降低对标注数据和昂贵传感器的依赖，增强模型抗噪能力，推动自动驾驶技术向更高效、实用化的方向演进。

袁晓辉教授围绕图像语义分割在自动驾驶中的应用，系统阐释了其核心研究构想，通过有效结合局部与全局上下文信息来优化场景理解。他介绍了其团队针对街景、遥感等复杂场景设计的一体化处理方法，通过特征提取、多级卷积与解码器优化，并采用动态调整窗口与高效卷积算法，成功实现了对高分辨率图像中道路、物体及不同类型目标的精准、高效区分，平衡了处理准确性与资源消耗，推动了相关技术的落地与效率升级。

在专家报告结束后，论坛组织者贾伟教授对论坛进行了总结，对作报告的专家、论坛的组委会成员和前来会场的嘉宾、老师和同学进行了诚挚的感谢，并希望明年继续举办自动驾驶论坛。

本次自动驾驶论坛的成功举办，为国内外专家学者提供了一个高水平的交流平台，促进了自动驾驶领域前沿技术的深入探讨与合作。未来，合肥工业大学将继续携手各界力量，勇攀科技高峰，为实现智能汽车产业的高质量发展和交通出行的智能化、绿色化贡献更多智慧与力量。

计算机与信息学院（人工智能学院）

2025年11月16日