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。

本研究综述了自动驾驶车辆感知任务的大规模基准数据集的最新发展，包括车辆对基础设施、车辆对车辆和车辆对一切的协作感知数据集。分析了数据集的多样性、传感器设置、质量、公开可用性和适用性，并强调了解决隐私和安全问题的重要性。需要全面、全球可访问的数据集以及协作努力来克服挑战，发挥自动驾驶的潜力。

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。