智能车辆创新实践
课程信息
| 课程名称／课程号 | 适用范围与修读要求 |
|---|---|
| 智能车辆创新实践 ENER2403M |
车辆 · 26级 实践课程 · 实践必修 |
课程简介
展开查看
为帮助车辆方向大二本科生了解智能车辆的基本原理，这门短学期课程以面向模型车实车竞技项目的方式，在AI大模型辅助下开展集中实践授课。课程包括基础共性教学和专业个性实践两个部分。基础共性教学包括车辆平台熟悉、AI辅助编程方法讲授、算法原理讲解与代码实践；个性实践主要指学生在指导老师现场指导下，以三人小组为单位，借助AI大模型辅助编程，完成智能车辆感知、决策、规划、控制四个模块的代码学习、改进与系统联调，最终通过实车竞技比赛检验成果。通过本课程的学习，可以以点带面地激发学生学习智能车辆专业知识的主动性和积极性，强化学生的AI辅助编程能力与工程实践创新能力培养，实现理论知识、代码实践与实车验证的有效融通。
来源：教务网。
课程内容
分数构成
具体如下：
过程表现 |
10% |
出勤、团队协作、课堂实践参与度 |
算法成果 |
30% |
各模块代码质量、功能完整性、系统联调效果 |
实车比赛 |
40% |
实车竞技成绩（速度、稳定性、任务完成度等） |
学习报告 |
20% |
周末提交的课程大作业：开发历程、AI辅助编程心得、问题反思与收获 |
课程大纲
展开查看
日期 |
课次 |
主题 |
核心内容 |
第1天上午 |
第1次课 |
课程概论与车辆平台基础 |
讲清课程要求和比赛规则；熟悉模型车辆的动力底盘和转向系统；完成分组分工（3人/组） |
第1天下午 |
第2次课 |
Vibe Coding与AI辅助编程入门 课程思政融入点: Deepseek的发展历史、与汽车行业的合作，国内企业利用Deepseek等本土AI工具的情况。 |
讲解Vibe Coding（氛围编程）理念，即大模型如何应用于编程学习；以车辆控制代码提升的真实案例演示AI辅助编程流程 |
第2天上午 |
第3次课 |
车辆运动控制基础（上） |
理解车辆运动学模型；学习基础运动控制代码结构 |
第2天下午 |
第4次课 |
车辆运动控制基础（下） |
借助AI辅助编程，实现发送命令控制车辆运动（速度、转向等基本指令） |
第3天上午 |
第5次课 |
感知决策计算系统（上） |
讲解感知-决策系统的整体架构与数据流；分析参考代码框架 |
第3天下午 |
第6次课 |
感知决策计算系统（下） |
借助AI辅助，理解并实现感知决策计算系统的核心逻辑 |
第4天上午 |
第7次课 |
轨迹跟踪控制算法（上） |
讲解纯追踪、Stanley等轨迹跟踪算法原理 |
第4天下午 |
第8次课 |
轨迹跟踪控制算法（下） 课程思政融入点: 浙江线控底盘（制动、转向、悬架、动力）的发展情况，介绍本土企业家如何克服技术难点实现对国外企业垄断的克服。 |
轨迹跟踪控制算法学习与代码实践，在参考代码基础上借助AI改进 |
第5天上午 |
第9次课 |
感知算法学习（上） |
讲解目标检测、车道线识别等基础感知算法 |
第5天下午 |
第10次课 |
感知算法实践（下） |
感知算法学习与代码实践，借助AI辅助完成感知模块开发与调试 |
周末 |
— |
自主学习提高 |
学生自主加练，与AI深度互动，巩固前5天所学，为第二周联调做准备 |
第6天上午 |
第11次课 |
感知-决策-控制联调（一） |
感知-决策-控制模块联调：打通数据流，解决模块接口问题 |
第6天下午 |
第12次课 |
感知-决策-控制联调（二） |
持续联调，借助AI辅助排查跨模块Bug，老师现场指导 |
第7天上午 |
第13次课 |
感知-决策-控制联调（三） |
优化各模块参数，提升系统稳定性与响应速度 |
第7天下午 |
第14次课 |
感知-决策-控制联调（四） |
实车初步测试，记录问题，针对性优化 |
第8天上午 |
第15次课 |
系统集成与比赛策略（一） |
完整系统闭环测试；讨论并制定比赛策略 |
第8天下午 |
第16次课 |
系统集成与比赛策略（二） |
最终调优、模拟比赛、查漏补缺 |
第9天上午 |
第17次课 |
赛前冲刺与自由调试 |
最后优化窗口，小组自主安排；老师巡回答疑 |
第9天下午 |
第18次课 |
赛前冲刺与自由调试 |
继续调试或休息调整，为第10天比赛做准备 |
第10天上午 |
第19次课 |
实车竞技比赛 |
多小组实车比赛（按第1天公布的规则进行），现场计分排名 |
第10天下午 |
第20次课 |
汇报分享与评分 |
各小组汇报开发历程与AI辅助编程心得；老师点评总结；现场公布比赛成绩 |