第四届中国汽车工程学会博士学术论坛“智能驾驶感决规控分会场”在中山大学深圳校区圆满落幕。本次分会场聚焦智能网联汽车与自动驾驶技术的前沿发展，围绕“感知—决策—规划—控制”全链路关键技术展开深入研讨，吸引了来自高校、科研院所及行业单位的众多专家学者和青年科研人员参与。
分会场由上海交通大学机械与动力工程学院王亚飞教授担任主席。他在开场致辞中指出，智能驾驶技术正朝着感知、决策、规划与控制一体化方向发展，本次活动旨在为青年学者提供交流平台，推动相关领域的技术创新与工程应用。北京理工大学深圳汽车研究院副院长孙超、清华大学车辆与运载学院助理研究员何雷等专家也出席了活动，并对青年学者的报告进行了点评与指导。
在学术报告环节，多位青年学者展示了他们在智能驾驶领域的最新研究成果。重庆理工大学李学鋆讲师针对人机共驾过程中的驾驶权分配难题，提出了一种基于舱内驾驶员状态与车辆外部环境信息融合的动态决策方法，通过变约束优化与非线性鲁棒控制提升了系统的稳定性与安全性。同济大学纪丙东博士则针对自动驾驶车辆在混合交通流中的后向碰撞风险，提出了一种基于世界模型的车辆交互行为反应推理框架，有效降低了高交互跟驰场景中的碰撞风险。
上海交通大学姜浩博士围绕端到端自动驾驶的高效部署问题，提出了一种结构化数据表达与轻量化视觉语言模型方案，将场景理解、目标预测与驾驶决策统一到简洁高效的推理框架中。东南大学柳智超博士则针对复杂光照和低能见度条件下的自动驾驶感知需求，提出了一种融合红外与可见光信息的轻量化多光谱目标检测方法，通过Retinex特征增强与小波频域自适应融合提升了目标检测精度。
清华大学柯泽鸿博士针对自动驾驶多模态大模型中的“图文解耦”和“视觉幻觉”问题，提出了一种文本引导的目标级注意力预测方法，利用语义信息动态调制视觉特征，实现了对关键目标区域的精准关注。大连理工大学王雪成博士则围绕智能驾驶环境理解与未来行为推演，介绍了一种从目标检测、持续跟踪、轨迹预测到规划输出的一体化建模方法，为高阶智能驾驶系统构建感知—预测—规划一体化模型提供了新的技术路径。
华南理工大学张淏祎博士针对视觉数据质量退化场景下在线高精地图构建性能下降的问题，引入扩散模型的去噪与生成能力，提出了一种条件特征调制和时间自适应门控机制，提升了复杂环境下地图构建的鲁棒性。清华大学智能产业研究院郑一楠博士则系统探讨了扩散模型作为端到端自动驾驶规划器的可行性，并在真实车辆平台上完成了部署验证，表明扩散模型在复杂城市场景下具备良好的规划性能和工程应用潜力。
清华大学韩泽宇博士针对复杂环境下的自动驾驶感知难题，研究了4D毫米波雷达点云质量优化、位姿估计和多模态场景表征方法，构建了从底层数据质量提升到高层场景理解的完整技术链路。吉林大学宋子钰助理研究员则围绕复杂交通场景下的自动驾驶行为决策、轨迹规划与闭环验证问题，介绍了面向行为决策的视觉语言推理框架、粗到细两阶段生成式规划方法以及实车在环验证平台。
同济大学杜嘉彤博士则聚焦端到端自动驾驶在复杂场景、分布变化和虚实迁移条件下的泛化能力问题，介绍了基于世界模型的动态环境建模、行为生成和虚实迁移方法，并结合端到端自动驾驶实验平台进行了验证。与会专家和学者围绕这些报告展开了热烈讨论，从研究问题凝练、技术路线创新、实验验证完善和工程应用前景等方面提出了建设性意见。
本次分会场的成功举办，不仅为智能驾驶领域的青年科研人员提供了高水平的学术交流平台，也集中展示了我国在端到端自动驾驶、世界模型、多模态感知、生成式规划、智能控制与闭环验证等方向的最新研究进展。通过报告交流与专家点评，参会师生围绕智能驾驶系统安全性、可靠性、泛化能力和工程落地等关键问题进行了深入探讨，进一步推动了智能驾驶技术从算法创新走向系统验证、从单点突破走向融合发展。
