本研究提出了一种混合经典-量子深度学习模型（HCQ-DL），旨在提高自主车辆感知模块在对抗攻击下的鲁棒性。HCQ-DL在PGD攻击中保持85%的准确率，显著优于传统模型，有效解决了交通标志分类中的错误问题。

本文提出了一种基于物体的行动视觉先验的方法，通过训练感知模块和强化学习策略，实现更好的感知-交互效果。验证了其有效性和推广能力。