4月30日，记者从重庆师范大学获悉，“最优化与智能汽车：模型、算法与应用前沿研讨会”日前在重庆国家应用数学中心举行。来自全国各地的学者、企业专家及高校师生代表，聚焦应用数学与智能汽车关键技术的深度融合路径进行深入研讨。

研讨会共安排了15场学术报告，内容涉及结构拓扑优化、进化算法、自动驾驶决策规划、数学驱动人工智能、网联协同驾驶、高阶自动驾驶测评等内容。

“在产品结构拓扑优化中，传统方法通常采用网格生成与参数化优化相结合的方式，高度依赖工程师的专业知识和设计经验。”东北大学人工智能与大数据研究院副院长王显鹏教授在报告中提出了“数据解析与优化融合”的汽车结构拓扑优化新方法，可利用几何深度学习技术提取并降维产品结构特征，实现汽车拓扑结构的高效多目标优化设计。

湖南大学人工智能与机器人学院教授袁小芳把目光聚焦在网联协同驾驶。“现有的网联协同驾驶技术主要基于简单的场景和特定的驾驶任务，对于智能网联汽车与人工驾驶汽车混行情况和冲突性高的驾驶场景，还缺乏以协同驾驶任务为导向的动态信息融合、决策分析机制。”他提出，开展面向网联协同驾驶的关联信息解耦、信息可信交互技术研究，可解决车辆状态和驾驶意图的准确识别，支持协作方的快速辨识与确认，实现网联协同驾驶信息交互与高效协同管控。

“数学理论与方法在智能汽车结构优化、协同驾驶、自动驾驶测评、决策规划等方面具有重要赋能作用。”重庆国家应用数学中心常务副主任刘学文介绍，该中心自2020年成立以来，致力于以数学方法攻关产业关键问题。目前已组建涵盖应用数学、人工智能等方向的专职研究团队，下设最优化、数学技术与智能汽车等8个科研团队，承担多项国家级重点课题，助力重庆智能网联新能源汽车产业集群建设。

（学校供图）