ISCC 2023 | 国际青年科学家论坛——可信人工智能最终日程发布
ISCC 2023
国际青年科学家论坛——可信人工智能，将于 2023年7月19日在线上举办，作为第五届世界智能安全大会（FISITA Intelligent Safety Conference China, ISCC 2023）重要同期活动，沙龙围绕可信人工智能、自动驾驶领域前沿和热点学术问题进行交流，邀请来自中、日、美、加、德、英、意等国家领先学术机构的青年科学家，共同探讨全球自动驾驶与人工智能技术最新研究进展。
会议名称：国际青年科学家论坛——可信人工智能
会议时间：2023年7月19日09:00-17:30
会议语言：英语
参会方式：报名后可获取zoom参会信息，与演讲嘉宾实时互动
会议日程：
特邀主旨报告
Keynote
Amir Khajepour
滑铁卢大学教授
演讲时间：7月19日 09:00-09:30
演讲题目：自动驾驶中的不确定性、推理和安全性
摘要译文： 本报告将讨论如何处理不确定性和推理对于自动驾驶安全的重要性。将 重点介绍开发实时评估ODD（操作设计域）和自动驾驶汽车决策中的不确定性传播技术，还将回顾类人预测和推理及其在WATonoBus（滑铁卢全天候自主穿梭巴士）中的应用。
个人简介：Amir Khajepour是滑铁卢大学机械与机电一体化工程系教授和机电一体化车辆系统（MVS）实验室主任。2008-2022年，他担任机电一体化车辆系统领域的加拿大一级研究教席；2017-2022年，他担任整体车辆控制领域的NSERC/通用汽车高级工业研究教席。他的工作成果包括培养了150多名博士生和硕士生、30项专利、600篇论文、多项技术转让以及成立了多家新创公司。他是安大略省专业工程奖章获得者，也是加拿大工程学会、美国机械工程学会和加拿大机械工程学会会士。
陈学文
广汽研究院首席专业总师
演讲时间：7月19日 14:00-14:30
演讲题目：自动驾驶的人工智能安全
演讲摘要：随着人工智能越来越多地应用于自动驾驶，其性能也越来越好，我们应该更加关注其安全问题。这一点在自动驾驶中尤为重要。本报告将讨论人工智能固有的不确定性和一些安全问题。
个人简介：陈学文博士现任广汽研究院人工智能首席专业总师。他曾在美国多所大学获终身教授，拥有20多年人工智能研究与应用、大数据分析等领域丰富的经验。 陈博士在国际期刊和会议上发表150多篇论文，多次担任ACM CIKM(国际计算机学会信息与知识管理大会)、ICMLA(国际机器学习与应用会议)等人工智能和大数据方面的国际会议主席。在广汽研究院，陈博士目前正带领团队探索突破性人工智能技术在广汽自动驾驶中的应用，并为未来量产打造自动驾驶平台。
学术报告
Technical Speeches
Katherine Driggs-Campbell
伊利诺伊大学香槟分校助理教授
演讲时间：7月19日 10:00-10:30
演讲题目：实现可信自主性：安全交互的推理和预测
演讲摘要：自动化系统在日常生活中越来越普遍，正在改变我们生活方式的基础。然而，只有当底层算法能够应对人类提出的独特挑战时，自动化系统才能实现理想的效果，挑战为：人类往往会违背预期行为，并且不符合机器人技术中的许多标准假设。为了设计安全、可信的系统，我们必须改变智能机器人与人类的互动、影响和预测方式。本报告将具体 探讨人车互动建模如何带来更可信的自主性。将讨论如何通过推断隐藏状态（如驾驶员特征、行人意图、被遮挡的代理）以及稳健的预测方法来改善交互环境中的决策和控制。
个人简介：Katherine Driggs-Campbell目前是伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系的助理教授和布鲁宁学院研究员。在加入伊利诺伊大学香槟分校之前，她于2012年以优异成绩从亚利桑那州立大学获得电子工程学士学位，分别于2015年和2017年从加州大学伯克利分校获得硕士和博士学位，并曾在斯坦福大学智能系统实验室担任博士后。Katie现在负责以人为本的自主实验室，旨在设计能够在现实世界中与人安全互动的安全自主系统和机器人。她最近获得了NSF CAREER奖和IEEE RAS早期学术生涯奖。
Liting Sun
Waymo研究员
演讲时间 ： 7月19日 10:30-11:00
演讲题目：通过因果关系评估轨迹预测模型的稳健性
个人简介：Liting Sun是Waymo LLC的高级研究员，致力于轨迹预测和规划的机器学习模型的鲁棒性评估和改进。在加入Waymo之前，她于2019年在加州大学伯克利分校获得博士学位，并在该校做了一年博士后。她的博士论文主要研究人类行为建模、预测模型以及应用于自动驾驶和智能机器人的运动规划算法。她还是INTERACTION数据集和INTERPRET轨迹预测挑战赛的创始成员，该挑战赛为预测提供综合闭环评估指标。
Wenshuo Wang
麦吉尔大学博士后研究员
演讲时间 ： 7月19日 11:00-11:30
演讲题目：以人为中心的交通互动
摘要译文：本报告将 深入探讨人类驾驶员的复杂动态及其在道路交通中的互动。将探讨各种场景，从人与人之间的自主情况（称为以人为本的自主），到涉及多个人类和多个自主实体的场景（称为社会交互式自主）。首先，将介绍一种基于学习的方法，用于个性化驾驶辅助系统，以满足个体驾驶员的需求和偏好。接下来，将介绍一种基于非参数学习的方法，旨在自动理解、学习和分析人类驾驶员之间的时空动态交互。最后，将探讨自动驾驶汽车在日常交通环境中运行时的社交交互概念，包括将自动驾驶汽车融入现有交通社会结构所面临的挑战和机遇，强调这些车辆需要导航并与人类驾驶员和其他道路使用者进行有效互动。报告将强调以人为本和社会互动交通的重要性，强调道路上发生的复杂谈判和互动。通过揭示这些动态变化，旨在实现更安全、更高效、更和谐的交通系统。
个人简介：Wenshuo Wang毕业于北京理工大学，获机械工程博士学位。2015年至2017年，他在加州大学伯克利分校担任研究学者。现为加拿大蒙特利尔麦吉尔大学土木工程系博士后研究员。2017年至2018年，他在美国密歇根大学安娜堡分校工作。在加入麦吉尔大学之前，他曾在卡内基梅隆大学（CMU）和加州大学伯克利分校担任博士后。他已发表60多篇期刊/会议论文。他的研究兴趣包括贝叶斯非参数学习、多代理交互行为建模的强化学习和自动驾驶汽车的人类水平预测，以及常见但具有挑战性情况下的智能交通系统。
Yuichi Saito
筑波大学助理教授
演讲时间：7月19日 11:00-11:30
演讲题目：由未遂事故数据驱动的速度推荐人工智能设计
摘要译文：行人和骑行者在道路盲区出现的不安全行为是导致交通事故的原因之一。是什么促使驾驶员在应对盲区危险时做出决策？这个问题的答案是安全系数。与缺乏经验的驾驶员相比，经验丰富的驾驶员能够识别环境中的危险。他们会采取降低车速等应对措施。目前，传感器技术迅速发展，自然驾驶数据不断积累，日本智能交通研究中心自2004年以来一直管理着一个未遂事故数据库。2022年登记了约20万起碰撞相关相关事件。未遂事故数据不仅可用于分析驾驶员的不安全行为，还可通过机器学习技术对过去的危险预测经验进行建模。有效利用基于人工智能的系统对于提高驾驶员安全至关重要。本报告将 提供一种方法，通过学习出租车司机的行为，计算可适应不确定环境的推荐速度。还将讨论在驾驶过程中如何与基于人工智能的系统进行合作和互动。
个人简介：Yuichi Saito于2008年和2010年获得芝浦工业大学机械工程学士和硕士学位，2015年获得筑波大学工学博士学位。自2019年起，他成为筑波大学系统与信息工程研究所的助理教授。自2019年起，他还担任IEEE SMC学会共享控制TC的联合主席。他是IEEE SMC学会的获奖者。Andrew P. Sage最佳论文奖。他的研究兴趣包括人因、人机系统、共享控制、自适应自动化、触觉/语言通信、数据驱动系统、情境感知系统和车辆动力学与控制。
Yee Mun Lee
利兹大学交通研究所高级研究员
演讲时间：7月19日 14：30-15：00
演讲题目：利兹大学自动驾驶汽车-行人互动研究的发展历程
摘要译文：未来自动驾驶汽车（AV）将需要与其他道路使用者（如骑行者、行人和其他车辆）进行互动。为了提高安全性、改善交通流量、增加用户对自动驾驶汽车的接受度和信任度，行人和其他道路使用者需要理解自动驾驶汽车的意图、交流和行为。研究发现，运动学线索是行人做出过街决定时最重要和最常用的信息。然而，感知运动学线索具有一定挑战性。在利兹大学，我们利用基于CAVE的高度沉浸式运动学实验研究行人实验室进行了一系列研究，以调查P-AV交互。本报告 将概述隐含线索（即车辆运动）和eHMI如何影响行人的过马路行为和主观评价。行人能否准确判断减速车辆的意图？eHMI如何影响行人的过街决定？行人在不同情况下的行为是否不同？
个人简介 ：Yee Mun Lee目前是利兹大学交通研究所的高级研究员。她分别于2012年和2016年获得马来西亚诺丁汉大学心理学荣誉学士学位和驾驶认知博士学位。她目前的研究兴趣包括使用各种方法，特别是虚拟现实实验设计，研究自动驾驶车辆与其他道路使用者之间的互动。Yee Mun是欧盟资助项目interACT (www.interact-roadautomation.eu) "方法、评价和影响评估 "工作包的负责人。她还参与了另一个欧盟资助项目L3Pilot (www.l3pilot.eu)，在该项目中，她调查了用户对三级系统的评价和体验。Yee Mun是SHAPE-IT项目的导师之一，她研究城市场景中人与AV的互动（www.shape-it.eu），并积极参与国际标准化组织（ISO）的工作。
Edmond S. L. Ho
格拉斯哥大学副教授
演讲时间：7月19日 15：00-15：30
演讲题目：自动驾驶模拟道路使用者之间的空间关系
摘要译文：自动驾驶的主要挑战之一是在有行人的混杂互动环境中实现无碰撞导航。这一挑战涉及在车辆的当前位置和目标位置之间找到一条最优路径，该路径应能最大限度地缩短行程时间并保证无碰撞，同时满足AV机械装置施加的约束条件。 本报告将分享我们基于社会价值导向和深度强化学习（DRL）的最新研究成果，该成果能够生成具有不同驾驶风格的决策策略。还将 介绍一种适用于DRL训练的新型高效计算行人模型。仿真结果表明了所开发的模型如何表现出自然的驾驶行为，如短暂停车，以方便行人过马路。还将进一步讨论使用图神经网络（GNN）对道路使用者之间的空间关系进行建模。
个人简介：Edmond Shu-lim Ho现任英国苏格兰格拉斯哥大学计算科学学院（IDA-Section）高级讲师（副教授）。在2022年加入格拉斯哥大学之前，他曾任英国纽卡斯尔诺桑比亚大学计算机与信息科学系副教授（2016-2022）和香港浸会大学计算机科学系研究助理教授（2011-2016）。自2023年起，他担任《计算机图形论坛》（CGF）的副主编。他在香港浸会大学获得计算机科学学士学位，在香港城市大学获得硕士学位，在爱丁堡大学获得博士学位。他的研究兴趣包括计算机图形学、计算机视觉、生物医学工程和机器学习。
Shailesh Hegde
都灵理工大学助理教授
演讲时间：7月19日15：30-16：00
演讲题目：基于强化学习的ACC
摘要译文：智能交通系统（ITS）已成为智慧城市不可或缺的一部分，它为车辆交通提供了更大的便利性、效率和安全性。鉴于其广泛应用，智能交通系统也已成为一项多学科工作，车辆通信、交通控制、ADAS（高级驾驶员辅助系统）传感器和车辆动力学都必须考虑在内。我们开发了一个名为CoMoVe（通信、移动性、车辆动力学）的仿真框架，有效地满足了上述需求，因为它能够对同时连接和配备ADAS传感器的车辆的创新解决方案进行虚拟验证。框架通过结合不同模拟器的优势，将车辆通信、道路交通和动力学的重要属性整合到一个环境中。随着道路上汽车数量的增加，以及更严格的排放法规的出台，我们需要一个能够改善以下目标的解决方案：交通流量、车辆安全性、乘客舒适性和燃油经济性。ACC具有满足这些要求的潜力，其性能可通过V2X通信得到改善。 提出了一个DRL框架，该框架通过双层学习方法考虑并权衡所有相关因素，即乘客的安全性和舒适性、道路容量的有效利用以及燃油经济性。此外还将介绍使用 dSPACE SCALEXIO AutoBox 进行的初步 HIL 仿真结果，证实经过训练的 DRL 模型在公路车辆中的可行性。
个人简介：Shailesh Hegde于2018年在意大利都灵理工大学获得机电工程理学硕士学位，并于2019年获得汽车悬架专业理学硕士学位。目前，他是机械工程专业的博士生，在都灵理工大学汽车研究与可持续交通中心（CARS）担任研究助理。他的研究兴趣包括智能网联汽车、机器学习、控制系统以及混合动力和电动动力系统。
Hao Zhao
清华大学智能产业研究院(AIR)助理教授
演讲时间：7月19日16：00-16：30
演讲题目：与自动驾驶汽车对话：行动感知驾驶字幕
演讲摘要：ADAPT（Action-aware Driving Caption Transformer）是一种建立在视觉语言基础模型上的算法，它允许自动驾驶汽车同时描述其行为并解释其背后的原因。虽然自动驾驶出租车目前已在大城市顺利运行，但其体验与人类驾驶的出租车相比仍有很大差距。一个明显的区别是，人类驾驶员可以告诉乘客他们为什么以某种方式驾驶，从而安慰乘客。而ADAPT可以告诉乘客，由于红灯和前方有行人，汽车要停下来，这就增强了人类对自动驾驶系统的信任。除此之外，还将介绍其他 几项利用视觉语言基础模型解决机器人视觉问题的工作，包括 零镜头语义分割、开放集承受力检测和道路异常检测。
个人简介：赵昊，清华大学智能产业研究院助理教授，于清华大学电子工程系获得学士和博士学位，曾于英特尔中国研究院担任研究员，曾在北京大学从事博士后研究。他曾任清华大学天空工场理事长，天空工场是清华大学最大的机器人社团。他的主要研究兴趣是与机器人相关的计算机视觉领域，尤其是三维场景理解。他是一名连续创业者，2009年以来共同创办了10多家初创公司。他在CVPR / ICCV / ECCV / NeurIPS / ICLR / ICRA / IROS等顶级学术会议以及IJCV / CVIU / ISPRS / T-IP / T-MM / CIBM / RA-L等顶级学术期刊上发表了30余篇研究论文，并赢得过多项三维场景理解算法挑战赛的冠军。
Bo Li
伊利诺伊大学香槟分校助理教授
演讲时间： 7月19日16：30-17：00
演讲题目：对抗性环境下的安全自动驾驶
演讲摘要：机器学习算法在自动驾驶领域正被广泛的应用。然而，标准的机器学习系统假定训练数据和测试数据遵循相同或相似的分布，而没有明确考虑主动对手对这两种分布的操纵。例如，我们最近的研究表明，有动机对手可以在测试时避开攻击异常检测或其他机器学习模型，也可以在训练数据中注入精心设计的恶意实例，通过中毒攻击在推理过程中诱发错误。 本报告将从不同角度介绍机器学习的安全性，如鲁棒性、隐私性、泛化以及它们之间的内在联系。将以一种基于逻辑推理的统计学习的可认证的鲁棒性学习方法为例，然后通过从整体上考虑这些可信性视角，讨论设计和开发具有保证的实用可信机器学习系统的原则。还将介绍统一平台SefeBench，该平台可生成各种安全关键型自动驾驶场景，用于自动驾驶汽车的安全测试。
个人简介：Bo Li是伊利诺伊大学香槟分校计算机科学系助理教授。她曾获得IJCAI Computers and Thought Award、Alfred P. Sloan Research Fellowship、AI's 10 to Watch、NSF CAREER Award，以及Amazon、Meta、Google、Intel、IBM和eBay等科技公司的研究奖，并在多个顶级机器学习和安全会议上获得最佳论文奖。她的研究重点是可信机器学习的理论和实践方面，这是机器学习、安全、隐私和博弈论的交叉领域。她为可认证的稳健学习和保护隐私的数据发布设计了多个可扩展框架。她的工作已被多家主要出版物和媒体报道，包括《自然》（Nature）、《连线》（Wired）、《财富》（Fortune）和《纽约时报》（New York Times）。
Matthias Althoff
慕尼黑工业大学副教授
演讲时间：7月19日17：00-17：30
演讲题目：自动驾驶中运动规划的自验证
演讲摘要：工程师和计算机科学家目前正在研发自主系统，这些系统在未经测试的情况下的行为是未知的。例如，设计师如何预料到自动驾驶汽车将面临的所有情况？许多自主系统对安全至关重要，应该在实际应用之前对所有可能情况进行测试；然而，这几乎是不可能实现的。本报告提出一种新的验证方法，即自验证，在不可预见的情况下（在温和的模型假设下）保证系统安全性。在这种新的验证方法中，系统将持续检查其下一个动作的正确性，仅在当前环境中进行。这种方法将主要应用于自动驾驶和机器人技术。
个人简介：
Matthias Althoff于2010年在慕尼黑工大获得电气工程博士学位（最优等生），导师Prof. Tokio Martin Buss。2010-2012年，他在美国卡内基梅隆大学电气工程系和机器人研究所联合任博士后研究员。他于2012年加入德国伊尔梅瑙理工大学计算机科学系，担任自动化系统助理教授。自2013年起，Matthias Althoff担任慕尼黑工业大学计算机科学教授。他的研究兴趣包括网络物理系统的设计和分析、连续和混合系统的形式验证、可达性分析、规划算法、鲁棒性和容错控制。他的研究主要应用于自动驾驶汽车、机器人和电力系统。
01
会议报名
会议报名现已开启， 报名后可获取zoom参会信息，与演讲嘉宾实时互动。
勾选门票类型“全球青年科学家论坛线上门票”，即可获取zoom信息。
扫码注册参会
02
ISCC 2023 国际青年科学家论坛技术委员会
03
ISCC 2023 相关信息
点击下方链接获取会议相关信息：
最终日程 | ISCC 2023第五届世界智能安全大会最终日程重磅发布
ISCC 2023｜预期功能安全技术专题内容抢先看
ISCC 2023｜人因安全专题内容抢先看
ISCC 2023｜智能防护技术专题内容抢先看
ISCC 2023｜信息安全技术专题内容抢先看
会议官网： www.fisita.com/isc
04
大会组委会联系人
会议注册
中国汽车工程学会 汪秀明
邮箱：wxm@sae-china.org