本文探讨了车辆间通信（V2V）在自动驾驶中的应用，提出了多种框架和算法以提升感知和运动预测性能。研究表明，协同感知和信息共享能有效提高车辆在不利环境下的行人检测能力。新提出的自适应加权算法和SmartCooper框架显著降低了通信成本并提升了感知精度，推动了自动驾驶技术的发展。

本文研究了曼哈顿网格中基于信息年龄感知的车辆间通信网络的无线电资源管理，提出了一种去中心化的策略，利用深度强化学习显著提高性能。同时，探讨了无人机与可重构智能表面在物联网中的应用，优化信息时效，并提出了多目标强化学习解决方案以提升路径规划和通信效率。

本文介绍了一种基于机器学习的协同感知驾驶模型COOPERNAUT，通过车辆间通信对紧凑型基于点的LiDAR信息进行编码，提高自主驾驶性能。实验结果显示，COOPERNAUT在挑战性驾驶情况下比自我中心驾驶模型有40%的成功率提高，并且需要的带宽比之前的V2VNet小5倍。