本研究探讨了AI代理与人类队友共享目标理解对协作感知的影响。结果表明，目标共享增强了协作感知和信任，但对任务绩效没有显著提升，反映了信息性与简约性之间的权衡。

本研究提出了一种协作感知异常检测框架（CPAD），旨在提升自动驾驶的安全性。实验结果表明，该框架在低带宽环境下表现优异，具备良好的鲁棒性。

本研究提出了CP-Guard，一种针对自驾驶车辆协作感知中恶意代理的检测与防御机制。CP-Guard通过概率无关的样本共识方法，有效识别并消除恶意代理，实验结果表明其在提升系统安全性和可靠性方面表现优异。

本文介绍了全景驾驶感知网络（YOLOP），实现了交通物体检测、可驾驶区域分割和车道检测的实时高精度表现。研究探讨了自动驾驶中的协作感知和数据共享挑战，提出了通道感知框架以提高通信效率和感知性能。同时，回顾了世界模型在自动驾驶中的应用及其重要性，强调了3D占用感知技术的研究进展和未来方向。

本文探讨了车路一体化（V2X）通信在自动驾驶车辆感知中的应用，提出了一种基于V2X的协作感知框架，利用视觉Transformer提升3D物体检测性能。研究表明，V2X通信能够有效整合多辆车的信息，提高感知精度，克服遮挡和远程感知的局限。实验结果显示，该框架在复杂环境中表现优异，为智能交通系统的发展提供了新方向。

本文介绍了V2V4Real多模态数据集及其在协作感知算法中的应用。该数据集包含20K LiDAR帧和40K RGB帧，支持3D物体检测和跟踪等任务。研究强调数据共享的重要性，并提出解决隐私和安全问题的必要性，以推动自动驾驶技术的发展。

本文介绍了V2V4Real多模态数据集及其在协作感知算法中的应用，涵盖3D物体检测、跟踪和领域自适应等任务。数据集包含20K LiDAR帧和40K RGB帧，旨在提升自主车辆的感知能力和道路安全。研究提出的合作多模态融合模型CoopDet3D显示出显著的性能提升，数据集和模型已公开，促进智能基础设施与车辆的协作感知发展。

本文探讨了车路一体化（V2X）通信在自动驾驶中的应用，提出了一种基于V2X的协作感知框架，利用视觉Transformer提升感知性能。研究表明，该框架在复杂环境下的3D物体检测中表现优异。通过融合激光雷达和V2X数据，提出了端到端的自动驾驶方法，提升了安全性和效率。此外，开发了多模态传感数据集，支持协作感知研究，展示了V2X通信在自动驾驶中的重要性。

车联网 (V2X) 的协作感知对于自动驾驶至关重要。我们提出了一种新的无监督 sim2real 领域适应方法，名为 DUSA。实验证明了 DUSA 方法在从模拟 V2XSet 数据集到真实世界 DAIR-V2X-C 数据集的无监督 sim2real 领域适应任务中的有效性。