CAVs

concept · 首次出现 2026-07-20 · 最近出现 2026-11-13 · 累计提及 3

综述

CAVs(Connected and Automated Vehicles,网联自动驾驶车辆)指同时具备车联网通信能力与自动驾驶能力的车辆,是智能交通系统研究的核心对象。相比单纯的自动驾驶汽车,CAVs 强调车与车、车与基础设施之间的信息交互,从而在轨迹规划、安全和效率上获得额外优势。当前研究热点集中在轨迹跟踪控制、网络安全等方向。

CAVs 近期进展

  • STTC-EFRL 强化学习框架提升自动驾驶车辆安全轨迹跟踪精度:该研究提出 STTC-EFRL 强化学习框架,用于改善自动驾驶车辆的轨迹跟踪精度,并强调在跟踪过程中保障安全性,反映了强化学习正成为 CAVs 运动控制层的重要技术路线。
  • Evaluating Open-Weight LLMs for Generating Structured Threat Information for Autonomous Vehicle Vulnerabilities:研究评估了开源权重的大语言模型能否为自动驾驶车辆漏洞生成结构化威胁信息,显示 CAVs 的网络安全(尤其是威胁情报自动化)正在借助大模型工具提升分析效率。
  • Bias Analysis of L2 Speaking Assessment Systems Using Concept Activation Vectors:需注意此文中的 "CAV" 是 Concept Activation Vectors(概念激活向量),属于可解释性机器学习方法,与网联自动驾驶车辆无关,但由于缩写相同,检索时常出现混淆,读者应结合上下文区分。
  • 当前焦点与观察点

    CAVs 领域目前呈现两条并行主线:一是控制与决策层面,强化学习方法(如 STTC-EFRL 这类框架)被用来同时优化轨迹精度与安全约束,替代传统的模型预测控制;二是安全层面,随着车辆联网程度加深,漏洞分析和威胁建模成为新问题,大语言模型被尝试用于自动化生成结构化威胁信息。

    值得关注的争议点是安全性验证:基于强化学习的控制器在仿真中表现良好,但在复杂真实交通场景下的泛化能力和可解释性仍缺乏统一评测标准。此外,"CAV" 一词在学术语境中的歧义(车辆 vs. 概念激活向量)也会对公众检索和跨领域交流造成干扰。后续可观察车路协同基础设施落地进度,以及网络安全标准能否跟上网联化速度。

    相关报道

    3 条在档