自动驾驶感知系统和决策系统是实现自动驾驶的两个关键组成部分。自动驾驶汽车利用传感器感知周围环境，为后续的决策提供的环境信息和车辆定位情况。而在自动驾驶的感知与决策系统中，包含了大量的复杂算法，算法的开发和验证需要海量的测试数据。但现实中却远远无法满足自动驾驶汽车对测试里程的需求。因此，仿真就成为了解决昂贵且复杂的现实世界测试的重要工具。

玛丽居里博士项目在读李海川相关团队提出一种自动驾驶模拟器，它基于视觉为中心方法，能够提供逼真的环境，拥有直观且用户友好的工作流程。该模拟器通过 ROS2 或 Socket.IO 与外部算法进行交互，与软件生态系统有良好的兼容性。此外，开发人员还可以基于视觉的技术，利用这种模拟器实现精确的环境感知，提高障碍物检测与决策规划的能力。相关的论文成果《GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow》发表于ITSC 2023顶会上。

规划决策模块作为自动驾驶汽车的大脑,决定了车辆的驾驶行为及期望路径。传统的方式是基于系统、决策树、贝叶斯网络等方法，这些方法的决策精度存在问题，目前，在智驾领域许多研究人员已经转向基于BEV的方法以提高轨迹预测的精度。这种方法虽然取得了一些成果，但无法建立连续图像之间的相关性，在日益复杂的交通状况，有时会出现避障失败的问题。

针对目前基于BEV方法面临的困境，李海川博士及相关团队提出一种基于时间与空间维度的轨迹预测方法SSN。这种方法克服了限制BEV图像区域之间的特征相关性，结合了不同内核大小的CNN在捕获方面的优势 ，增进不同图像之间的联系。通过实验结果表明，该方法优于现有策略，显著提高了避障的成功率,为智驾提供了潜在的解决方案。与SSN相关的论文成果收录于ITSC 2023顶会上。

12月12日19点，「自动驾驶新青年讲座」第31讲邀请到玛丽居里博士项目在读李海川参与，主讲《从仿真到实车部署的自动驾驶系统级解决方案》。