报告时间：2025年11月22日（周六）上午9：30-11：30

报告地址：计算机大楼A105

报告主题一：精确定位技术在无人驾驶中的应用

报告人：刘元盛 

报告摘要：

无人驾驶技术涵盖感知-认知-控制-执行四个阶段。其中基于多传感器融合的精确定位技术是感知阶段的核心技术，特别是在基于非结构化道路行驶、具备作业功能、线路相对单一、环境复杂多变的无人驾驶行业应用场景，其对精确定位依赖性最高。本次讲座依托团队在智慧工厂、智慧农业和智慧校园等实际工程实践中对无人车精确定位的需求，结合大量实际应用案例，讲述以激光雷达即时定位与地图构建（Simultaneous Localization and Mapping, SLAM）技术为核心的多传感器融合定位技术在无人驾驶中的应用与实践。

报告人简介：

刘元盛，1973年生，教授，北京联合大学机器人学院电子工程系系主任、博士研究生导师。人工智能学会智能驾驶专业委员会委员、北京市自动驾驶车辆道路测试专家委员会委员、北京市高教学会电子线路研究会理事，计算机学会智能汽车分会执委。 2012年起，任北京联合大学李德毅院士智能车团队核心成员，“旋风智能车”团队负责人，主要研究智能驾驶技术中的多种传感器数据融合及精确定位技术。近5年发表各类高水平论文20余篇，以第一发明人获得发明专利授权20余项（专利成果转让2项），指导硕士研究生20名。获得“北京市创新团队”、“北京市拔尖人才培育计划” 等多项资助，主持和主要参加北京市科委电动汽车重大专项课题、国家自然科学基金、科技部重点研发项目，主持多项企业横向课题，获得国家和北京市教学成果奖多项，获得吴文俊人工智能科学技术二等奖1项。近五年内，主持了各类型号共100辆无人驾驶车辆的改造和示范运行工作，在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案并在国内众多高校推广应用。

报告主题二：基于图神经网络的智能车辆轨迹预测与控制

报告人：徐东伟 

报告摘要：

混合交通场景中，交通参与者的动态交互极具复杂性，使得该场景对下对时间逻辑与空间关联关系的精准建模依赖性较强。基于图神经网络的智能车辆轨迹预测与控制研究，通过构建融合交通体时间逻辑与空间关联的多维度图网络，不仅能为网联自动驾驶车辆（Connected Automated Vehicles，CAVs）提供精准的群体交通体轨迹预测，助力提前感知潜在风险，还能通过图神经网络与决策框架的融合实现CAVs的协同控制，在保障车辆完成匝道合并、退出等特定任务的同时，显著提升整体混合交通流效率、降低碰撞风险。本次讲座依托团队在CAV轨迹预测精准性与协同控制安全性、效率性的相关研究，结合实际驾驶需求，讲述多维度交通体关联建模、集中式决策-分布式执行架构，以及如何以图神经网络为核心工具、融合深度强化学习，解决混合交通场景下安全决策控制的技术难题。

报告人简介：

徐东伟，1985年生，副教授，浙江工业大学网络空间安全研究所副所长、博士研究生导师。世界交通运输大会学部委员会委员，中国指挥与控制学会自主式交通控制与安全、大模型与决策智能及智能评测等专业委员会委员，信息安全共性技术国家工程研究中心高级专家，入选“浙江省高校领军人才培养计划”青年优秀人才。近十年，从事道路交通AI模型构建与应用领域的研究工作，发表高水平论文40余篇，以第一发明人获得发明专利授权50余项，指导硕士研究生80余名。获得了多项省部级以上基金资助，其中主持并主要参与2项国家级军工项目、2项国家自然科学基金、2项浙江省自然科学基金项目及多项国家重点实验室开放课题项目等，获中国指挥与控制学会科技进步一等奖、浙江省科学技术进步一等奖及中国智能交通协会科技进步一等奖。结合浙江当地产业，助力产学研，带领科研团队与商汤下属生态企业视途科技开展深入合作，在智能交通控制、无人系统等前沿技术领域进行深度研究与开发工作。