人机混合智能增强的自动驾驶：基于自然驾驶场景的数据知识，利用多层次的人类驾驶经验，在离线大规模预训练、在线纠偏微调的过程中，开发类人的、具有人类平均驾驶经验且拟我的自动驾驶算法，保证安全的同时实现自动驾驶的个性化，提高人车信赖度。

机理数据混合增强的自动驾驶：运用数学描述的驾驶机理知识，辅助人工智能算法实现高智能的自动驾驶。增加安全边界的约束保障驾驶安全性；基于运动学和动力学模型，推理运动趋势作为初始解，加快收敛速度提高效率。

可解释性人工智能与自动驾驶：将人工智能的黑箱问题聚焦于自动驾驶领域，设计先进的可解释方法分析算法结果背后的原因。

自动驾驶闭环自进化技术：在表现不佳的场景中不断学习进化，涉及自动驾驶领域中安全边界的寻找、评价体系的制定、对抗场景的生成、压力测试等。

小样本下持续学习型自动驾驶：针对小样本和样本不均衡问题，在保持原有场景的性能下，不断学习、扩充驾驶场景， 提升算法的泛化性能。

车路协同下的多车规控与协同进化：将车辆个体自主发育的数据、模型、知识进行综合，用于下一代车辆的开发和进化。

驾驶世界模型驱动的自动驾驶：将世界模型引入自动驾驶领域，融合感知、决策、规划、控制等领域，实现端到端的自动驾驶。

车辆底盘动力学统一控制技术：针对车载控制器，建立适用于不同车辆的、统一的控制算法，对车辆进行底层控制。包括控制、参数辨识、自学习等过程。