报告题目：迈向可信可靠的自动驾驶：融合实时优化、数据驱动控制与控制诱导学习的前沿探索
报告人：聂子斐 吉林大学人工智能学院 助理教授
报告摘要：
机器学习的发展正推动自动驾驶由传统的模块化感知–规划–控制架构，转向以 VLA 为输出、以世界模型为训练与评测手段的端到端统一学习范式。基于这一背景，本次报告将系统回顾三条技术路线：传统的实时优化，直接数据驱动控制，以及融合可微分最优控制的学习范式，并分别讨论其前沿进展与最新应用。首先，报告将回顾面向控制的实时优化算法，重点介绍在有限计算资源约束下，如何实现非凸优化问题的高效求解，特别关注热启动策略、结构化求解器与嵌入式实现在自动驾驶控制中的作用。其次，将探讨基于“基本引理”的直接数据驱动预测控制，分析其理论特性、对非线性系统的适用性，以及相较于传统MPC和强化学习的优势与局限。最后，报告将聚焦于融合可微分最优控制的学习范式，即：将可微分优化层作为归纳偏置嵌入神经网络，以强化物理约束及任务相关结构，为构建高性能、可解释、可验证并能够在开放环境中可靠部署的自动驾驶系统规划新的技术路径。
报告人简介：
聂子斐，吉林大学人工智能学院助理教授，博士生导师。于2025年在日本九州大学获得博士学位。在加入吉林大学之前，他曾担任日本九州大学博士后研究员、碳中和国际能源研究所创新研究员。在Applied Energy、IEEE-TITS、Energy、TR-C等期刊发表多篇论文，并荣获2024年IEEE最佳论文奖。研究聚焦于自动驾驶车辆决策与规划、网联新能源汽车智能控制、机器人学习、具身智能应用。
报告时间：2025年11月5日 15:30-17:10（7-8节）
报告地点：吉林大学前卫校区-第三教学楼-309
