12月27日，由中国汽车工程学会主办、《Automotive Innovation》期刊承办的第七期Automotive Innovation Workshop在线成功举办。本次国际沙龙以“Reinforcement Learning for Intelligent Vehicle Control and Coordination”为主题，采用全英文演讲形式，邀请来自同济大学、香港理工大学、匈牙利布达佩斯技术与经济大学及美国田纳西大学的四位专家分享最新研究成果。会议由同济大学研究员Peng Hang与美国田纳西大学助理教授Weizi Li共同担任主席，通过多平台全球直播，累计观看人次超2万。

《Automotive Innovation》执行副主编、吉林大学教授兼汽车仿真与控制国家重点实验室副主任章新杰致开幕辞。他介绍了本次研讨会的背景与目标，强调期刊致力于为全球汽车领域科研人员和工程师搭建高水平学术交流平台，推动前沿技术探讨与国际合作。

同济大学研究员Peng Hang围绕“无信号交叉路口CAV的协同决策：一种具有注意力和层次博弈先验的MARL方法”展开分享。他提出一种融合注意力机制与分层博弈论先验的多代理强化学习（MARL）模型MA-GA-DDPG，基于MADDPG框架设计了新型策略网络，并引入安全监管模块提升交互安全性。实验表明，该方法在驾驶安全性、效率与舒适性方面均优于传统算法。

香港理工大学副研究员Chao Huang分享了题为“基于信心感知的电动汽车能量管理强化学习”的报告。其团队创新性地引入置信度评估机制，结合深度集合模型不确定性分析，在低置信场景下切换至知识驱动策略以优化整体性能。真实驾驶测试显示，该方法相较现有方案节能提升达4.0%。

Tamás Tettamanti发表演讲

匈牙利布达佩斯技术与经济大学副教授Tamás Tettamanti介绍了基于强化学习的交通控制解决方案，涵盖交叉路口可变限速控制与自动驾驶车辆路径优化两个层面。前者通过多代理强化学习设定最优限速以缓解拥堵并降低事故风险；后者则通过综合行车效率、安全、能耗与舒适性的奖励函数，实现个体偏好与社会效益的平衡。

Weizi Li发表演讲

美国田纳西大学助理教授Weizi Li聚焦“迈向城市规模的混合交通控制与协调”，指出机器人车与人类驾驶车辆共存的混合交通系统已成为智能交通研究重点。他分享了在复杂无信号交叉口应用多代理强化学习进行混合交通控制的研究进展，并探讨了观测器设计、奖励函数构建及大规模验证等未来挑战。

本届Automotive Innovation Workshop的成功举办，进一步巩固了其作为国际汽车行业高水平学术交流平台的地位，助力中国汽车科技创新成果走向世界。

《Automotive Innovation》是中国汽车行业首本获国家新闻出版署批准的英文科技期刊，由中国汽车工程学会倾力打造，旨在推动国际交流合作，提升中国在汽车领域的全球影响力。期刊以建设世界一流期刊为目标，汇聚全球15个国家和地区知名专家组成编委会，与Springer Nature合作出版，已被EI、ESCI、Scopus收录，2022年影响因子达6.1，入选中科院工程技术一区。

期刊主要刊载智能网联汽车、新能源汽车、未来出行等方向的创新理论、方法研究及工程技术应用成果，每季度出版一期，读者覆盖72个国家和地区，单篇最高下载量超3.2万次。创刊联合主编为清华大学李骏院士与赵福全教授，执行副主编为吉林大学章新杰教授。

投稿信息

• 稿件须为原创且未公开发表，严禁一稿多投；
• 论文语言为英文，建议字数约5000词；
• 投稿官网：https://www.springer.com/42154