Amir Khajepour

滑铁卢大学教授

演讲题目：自动驾驶中的不确定性、推理和安全性

摘要译文：报告将重点探讨不确定性处理与推理在自动驾驶安全中的关键作用，介绍实时评估操作设计域（ODD）及决策过程中不确定性传播的技术，并分享类人预测方法在WATonoBus项目中的应用实践。

陈学文

广汽研究院首席专业总师

演讲题目：自动驾驶的人工智能安全

摘要译文：随着AI在自动驾驶中的广泛应用，其固有的不确定性与潜在安全风险日益凸显。报告将系统分析AI安全挑战，强调在高阶自动驾驶场景中构建可信赖AI系统的必要性。

Katherine Driggs-Campbell

伊利诺伊大学香槟分校助理教授

演讲题目：实现可信自主性：安全交互的推理和预测

摘要译文：报告聚焦人车交互建模，提出通过推断驾驶员特征、行人意图及被遮挡对象的隐藏状态，结合鲁棒预测方法，提升复杂交通环境下的决策与控制能力，推动实现真正可信的自动驾驶系统。

Liting Sun

Waymo研究员

演讲题目：通过因果关系评估轨迹预测模型的稳健性

Wenshuo Wang

麦吉尔大学博士后研究员

演讲题目：以人为中心的交通互动

摘要译文：报告深入剖析人类驾驶行为的复杂动态，涵盖从个体化驾驶辅助到多主体社会交互的多种场景。提出基于非参数学习的方法理解人与人、人与车之间的时空交互，并探讨自动驾驶汽车融入现有交通社会结构所面临的挑战与机遇，强调社交化交互对构建和谐交通系统的重要性。

Yuichi Saito

筑波大学助理教授

演讲题目：由未遂事故数据驱动的速度推荐人工智能设计

摘要译文：利用日本长期积累的未遂事故数据库，报告提出一种基于机器学习的速度推荐方法，通过学习经验丰富的出租车司机行为，计算适应不确定环境的安全车速，提升驾驶安全性，并探讨人机协同机制。

Yee Mun Lee

利兹大学交通研究所高级研究员

演讲题目：利兹大学自动驾驶汽车-行人互动研究的发展历程

摘要译文：报告回顾系列沉浸式实验研究成果，分析车辆运动学线索与外部人机界面（eHMI）对行人过街决策的影响，探讨行人如何判断自动驾驶车辆意图，以及不同情境下行为差异，为提升人车交互安全性提供依据。

Edmond S. L. Ho

格拉斯哥大学副教授

演讲题目：自动驾驶模拟道路使用者之间的空间关系

摘要译文：介绍基于社会价值导向与深度强化学习（DRL）的决策策略生成方法，提出高效行人计算模型，并结合图神经网络（GNN）建模道路使用者间空间关系，仿真验证系统可实现自然、安全的通行行为。

Shailesh Hegde

都灵理工大学助理教授

演讲题目：基于强化学习的ACC

摘要译文：提出一种双层深度强化学习（DRL）框架，综合优化乘客安全舒适性、道路容量利用与燃油经济性。依托CoMoVe仿真平台整合通信、移动性与车辆动力学，并通过HIL仿真验证模型在真实车辆中的可行性。

Hao Zhao

清华大学智能产业研究院(AIR)助理教授

演讲题目：与自动驾驶汽车对话：行动感知驾驶字幕

摘要译文：探讨基础模型在自动驾驶中的人机交互与认知推理潜力，介绍其在测试基准、算法模型与系统部署方面的前沿进展与最佳实践。

Bo Li

伊利诺伊大学香槟分校助理教授

演讲题目：对抗性环境下的安全自动驾驶

摘要译文：系统阐述机器学习在自动驾驶中的鲁棒性、隐私性与泛化能力等安全挑战，提出可认证的鲁棒学习方法，并介绍统一测试平台SafeBench，用于生成安全关键场景以评估自动驾驶系统可靠性。

Matthias Althoff

慕尼黑工业大学助理教授

演讲题目：TBD

摘要译文：TBD

会议报名现已开启