本课题由清华大学和清华大学苏州汽车研究院（吴江）、上海汽车集团股份有限公司技术中心联合承担。

秘书处于2022年11月8日组织来自上海机动车检测中心、友道智途、赛可智能、上汽大众、泛亚技术中心共5名资深工程技术人员，通过腾讯视频会议方式，对该课题进行了结题验收评审。

课题组研究提出了平台化软件架构解决方案，集成了雷达及视觉感知、深度强化学习决策控制等功能，具有良好的可扩展性，且支持传感器定制化部署，以适应自动驾驶不同层级的开发；基于GPS同步授时的特点，利用时间戳保证激光雷达、视觉数据以及汽车CAN数据的精确匹配，提出了包含HDL-64E激光雷达、视觉以及车辆里程计等环境数据采集方法，为端到端的深度学习训练提供了可行的输入方式；指导企业建立了基于GPU的Carla仿真环境，按照OpenSenario标准打通了算法的深度强化学习训练环境和场景软件仿真测试环境，确定了虚拟环境模拟与试验场场景虚实相结合的数字孪生的实车测试方案，可进行端到端深度强化学习规控算法的实车场地功能演示，为L4级以上智能驾驶规控算法开发建立了训练和应用验证的工程基础。项目研制过程中申请/受理国家发明专利1项及软著1项。

经专家评定，综合得分73.2分，同意验收。

综合决策与控制框架