在复旦大学元·创中心406实验室的模拟沙盘赛道上，一辆巴掌大小的智能小车正灵活穿梭。当遇到蓝白条纹的障碍物时，它迅速调整方向，从外道绕行后继续平稳行驶。这场特殊的自动驾驶模型验收比赛，吸引了未来信息创新学院23级本科生杨瑞麒的密切关注。经过十几个小时的AI模型训练，他的小车以仅3%的接管率和零碰撞表现完成挑战，成为当日赛场上的亮眼成果。
这门名为"自动驾驶人工智能原理与实践"的课程，是复旦大学AI教育体系中的垂域应用类特色项目。课程负责人胡波教授介绍，该课程自2019年通过校企合作启动以来，历经多次迭代升级。教学团队将计算任务从车端迁移至边缘侧，使学生无需掌握嵌入式编程等复杂技能，即可通过电脑完成AI模型训练，再将成果部署到实体小车进行验证。这种创新模式显著降低了学习门槛，目前面向全校各专业本硕学生开放。
课程构建了完整的实践链条，涵盖从道路数据采集、模型训练到实地测试的全流程。学生首先在"自动驾驶虚拟仿真实验"平台上进行算法验证，该平台内置5万张实景道路图片和10套训练数据集，配备16小时教学视频与18个关键知识点模块。计算与智能创新学院24级研究生杨汝坤表示，平台提供的工业界真实案例解析，让他对数据采集边界处理等实际问题有了深刻理解。
线下实践环节采用数字孪生技术，与线上平台形成闭环验证系统。智能机器人与先进制造创新学院23级本科生吕洁熙在道路采集实验中体会到实践真谛："自己采集数据时才发现，标签分布失衡会直接影响模型效果，这些经验在理论学习中难以获得。"课程设置的四个基础实验循序渐进，从巡线控制到数据集构建，逐步引导学生掌握核心技能。
考核环节采用"黑盒评分"机制，碰撞、越界等扣分系数不公开，仅提供计算框架。这种设计迫使学员主动探索优化策略，集成电路与微纳电子创新学院副教授林青解释："我们希望学生思考本质问题，而非机械优化指标。"杨瑞麒在应对弯道盲区障碍时，通过调整驾驶策略实现零碰撞，正是这种教学理念的生动体现。
课程打破专业壁垒，吸引计算机、电子信息、生物医学等多元背景学生参与。考核体系采用"4+4+2"结构，既保障基础理论学习，又为学有余力者提供挑战空间。杨汝坤在完成规定实验后，自主开展模型结构优化研究；23级本科生王锦秋更在课程展示中提出创新算法，取得突破性成果。
该课程的影响力已延伸至全国高校。其配套虚拟仿真平台在国家共享平台上线后，已有近百所院校引入教学，单校最高使用量达百余人次。基于课程衍生的多个科创项目成果显著：22级本科生肖子璇团队复现国际前沿算法并提出建图优化方案，将计算效率提升数倍；23级本科生田佳雨团队验证了大模型在自动驾驶领域的可行性，通过"双脑驱动"机制解决实时性与准确率矛盾。
