本文提出了一个以学习为基础的算法，旨在提高环形交叉口中自动驾驶与人驾驶车辆共存的情况下的驾驶安全性和效率。通过深度Q学习网络和KAN网络的结合，实现了在复杂多车道环境中的安全驾驶策略，从而显著降低碰撞次数和缩短行驶时间，展现出优越的性能。

本文介绍了一种闭环对抗训练框架（CAT），用于安全端到端驾驶。实验结果表明，经过 CAT 训练后，代理程序在回放日志和安全关键交通场景中能够实现卓越的驾驶安全性。

研究人员设计了一种生物传感器，能够评估驾驶员的生理状态，并开发了一种嵌入式时域超滤波技术，能够实时分类驾驶员的困意，获得96%左右的准确度。