2025年10月22日，我院孙立民教授在书山馆东306组织研究生学术报告研讨会，参加对象为其指导的2023级、2024级及2025级研究生。此次研讨会旨在通过学术汇报与交流，促进研究生科研思维深化，推动团队在智能工程及人工智能领域的学术发展。
本次汇报由2023级研究生李屹汭主讲，题目为大模型驱动的自动驾驶技术研究。报告聚焦人工智能大模型在自动驾驶系统中的应用与发展，围绕智能决策、行为预测与多源感知融合等关键方向展开，探讨了大模型对自动驾驶技术范式演进所带来的深远影响。
报告中，李屹汭从自动驾驶系统的整体架构出发，回顾了该领域从基于规则的方法、深度学习模型到如今大模型技术驱动下的智能演化过程。他指出，随着计算资源与数据规模的快速增长，大模型展现出强大的语义理解与环境感知能力，为自动驾驶场景的全局推理与动态决策提供了新的技术支撑。特别是在复杂城市道路、多主体交互和开放环境下的行为预测问题中，大模型表现出较好的泛化能力与鲁棒性，为构建更安全可靠的自动驾驶系统提供了可能。
报告同时关注了当前研究面临的主要挑战。李屹汭分析认为，自动驾驶中的实时性要求、异构数据融合难题以及模型可解释性问题仍是制约技术落地的重要因素。未来研究需要在大模型的轻量化、可迁移性和协同推理方面持续探索，以实现智能化系统的高效部署和稳定运行。此外，他还对大模型在车路协同、交通场景建模等方向的潜在应用进行了展望。在听取报告后，孙立民教授对汇报进行了全面点评。孙教授首先肯定了选题的创新性与研究价值，认为报告紧扣当前人工智能发展的前沿方向，具有较强的理论意义与应用潜力。报告内容脉络清晰、逻辑严谨，能够体现出研究生对学术问题的系统思考与研究积累。
在此基础上，孙教授提出了针对性的指导意见。他指出，自动驾驶研究应兼顾理论创新与工程实践，未来应进一步明确研究目标，强化实验验证环节，注重算法性能与可实现性的平衡。同时，在汇报表达上要更加凝练有序，突出研究问题与创新点，形成更具学术说服力的结构逻辑。他还强调，大模型虽具备强大能力，但应充分评估其在特定领域的适配性与可控性，注重模型结构设计与场景化应用的结合。本次研讨会为团队研究生提供了学术交流与思维碰撞的机会，促进了不同研究方向之间的知识共享与经验互鉴。通过孙立民教授的点评与指导，参会学生对大模型技术在智能驾驶中的研究趋势与挑战有了更深刻的理解，也进一步明确了后续研究的改进方向与重点任务。
