哈工大全媒体（刘培香 慈玉生 徐浩城/文）近日，我校交通科学与工程学院慈玉生、梁茨教授团队在自动驾驶安全研究领域取得重要进展，提出广义自适应对抗训练框架GA2AD，通过可控生成高风险交互场景，显著提升自动驾驶车辆在混合交通环境中的安全性与鲁棒性。研究成果以《GA2AD：一种考虑周围混合风险场的自动驾驶广义自适应对抗训练框架》（GA2AD: A Generalized Adaptive Adversarial Training Framework Considering Surrounding Hybrid Risk Field for Autonomous Driving）为题发表在《自然通讯》（Nature Communications）上。

 GA2AD框架及其自适应对抗训练过程 

在自动驾驶车辆与人类驾驶车辆长期共存的混合交通环境中，人类驾驶行为的异质性与随机性（如突然切入、紧急制动和异常加速）虽发生频率较低，却可能直击自动驾驶系统的决策薄弱环节，构成典型的长尾边缘场景，而传统训练数据难以充分覆盖此类稀疏危险事件。针对上述难题，研究团队将待训练的自动驾驶决策模型视为“黑箱”，驱动背景车辆模型主动生成对抗行为，核心创新包含三个层面：构建混合风险场实现单车与整体环境风险的概率化评估，设计激活函数确保对抗强度适中，引入自适应切换模块使场景难度随模型能力动态调整，有效规避训练失稳问题。仿真验证表明，该框架可适配DQN、TD3、SAC及DDPG等多种主流算法，在正常测试中碰撞率降低69.31%，对抗测试中降低55.24%，95分位绝对急动度分别降低21.23%与42.35%，平均速度仅小幅下降，实现了安全性、舒适性与通行效率的有效平衡。在黑龙江黑河自动驾驶测试场的车辆环虚实融合试验进一步验证了工程可行性，通过将虚拟背景车流实时注入实车感知系统，GA2AD环境下碰撞时间低于2秒的极限场景占比由0.60%提升至34.97%（提升约58倍），且经GA2AD训练的DDPG算法表现出最低的近碰撞事件频率与最高的主动规避频次，充分展示了对抗训练在物理平台上的可部署优势。该研究为自动驾驶系统发现决策薄弱环节、生成高价值危险场景并开展闭环强化训练提供了系统的理论与方法支撑。

哈工大为论文第一完成单位。交通科学与工程学院博士研究生徐浩城为论文第一作者，慈玉生、梁茨和黑龙江工程学院吴丽娜为共同通讯作者。哈尔滨工程大学龙云飞、浙江大学陈喜群、法国古斯塔夫·埃菲尔大学穆罕默德·加泽尔（Mohamed Ghazel）以及瑞典皇家理工学院冯雷（Lei Feng）参与相关研究。该研究获得国家重点研发计划、国家自然科学基金、黑龙江省自然科学基金等项目支持，黑河自动驾驶测试场为实车试验提供了场地和技术支持。

论文链接：https://www.nature.com/articles/s41467-026-75643-z