本次仿真复赛由通过初赛的七所顶尖高校参与，他们分别提交了自主研发的仿真方程式赛道解决方案。经过赛事组委会严格的成绩认证，复赛排名如下：

•           第一名：复旦大学

•           第二名：武汉理工大学

•           第三名：湖南大学

•           第四名：清华大学

•           第五名：吉林大学

•           第六名：海南大学

•           第七名：浙江大学

CodeWisdom团队凭借在智能驾驶系统中“决策、规划、控制”核心算法的深度优化、险峻多弯道的复杂道路条件下的驾驶策略选择能力，以及出色的仿真环境适应性与泛化性能，在主要以汽车学院为代表的参赛队伍中脱颖而出，最终以总成绩570秒的卓越表现遥遥领先，荣获仿真复赛冠军。

指导教师：

参赛队员：

陈其才 博士生

王方远 硕士生

郭仲天 硕士生

周昭凯 博士生

继6月30日在上海举办的HitchOpen世界极限AI竞速锦标赛仿真初赛圆满落幕后，复旦大学CodeWisdom团队凭借积分排名第六的成绩成功晋级至仿真复赛阶段。与初赛采用的椭圆形标准赛道不同，复赛阶段将引入模拟天门山九十九道弯的复杂赛道布局，对参赛车辆的路径规划与控制算法提出了更为苛刻的要求。

仿真复赛地图

面对这一挑战，CodeWisdom团队首先对初赛中的加速与换挡策略进行了系统性调整，成功突破了此前存在的性能瓶颈。随后，针对复赛赛道中多达十二处弯道的复杂环境，团队综合运用参数优化与合适距离前瞻优化技术，改进Pure Pursuit算法，实现精准循迹。在控制模块中，我们根据弯道的特征把地图内的赛道划分为十二个区域，分别设计了适合区域特性的PID参数，提升过弯的稳定性与效率。

仿真赛车通过弯道

在算法优化的基础上，团队深入研究了F1与INDY等顶级赛车赛事的选线策略，引入“外-内-外”的经典过弯路线，并采取了更激进的驾驶风格，以契合“极限竞速”的赛事主题。此外，团队对路径中的每一个关键点均进行了算法与人工相结合的精细调优，不仅提升了路径坐标的平滑度，也显著增强了速度规划的激进性与连续性。通过采用二次函数、对数函数等上凸函数对每一路段的目标速度进行优化，团队有效改善了车辆的加速性能与整体速度表现。

路径平滑度优化与激进性调整

CodeWisdom团队综合运用上述多项优化技术，实现了单圈竞速时间减少5秒，十圈竞速总用时减少50秒的重大突破。最终，复旦大学CodeWisdom团队以单圈57秒的卓越表现，领先第二名每圈6秒的明显优势，夺得本届赛事的冠军。

8月19日，复旦大学CodeWisdom团队赴张家界天门山，参加了HitchOpen世界极限AI竞速锦标赛的仿真复赛发布会，现场见证了复赛成绩的正式公布以及决赛阶段将使用的PIX智能赛车底盘的首次亮相。

实车决赛使用的PIX智能赛车底盘

此外，团队还借此机会实地考察了以险峻闻名于世的天门山99道弯赛道，并在路测车辆上集成安装了多类传感与通信设备，包括无线网络模块、GNSS路测天线、GNSS通信接口以及激光雷达等，全面开展了赛道的实景数据采集与车辆路测工作，为即将到来的实车决赛奠定了扎实基础。

CodeWisdom团队在车辆上安装路测设备

天门山赛道的地图路测数据

激光雷达障碍测试

在第二赛段结束之后，CodeWisdom团队将会继续参加HitchOpen竞速锦标赛的第三赛段——天门山实车决赛。

更复杂的天门山99道弯赛道

在天门山赛道进行的真实赛车调试

天门山实车赛道以险峻多弯著称，包含连续急弯、陡坡、盲区及GNSS信号遮挡区，对自动驾驶系统构成多重挑战：车辆在爬坡段易出现动力响应迟滞，急弯处需实时高精度轨迹跟踪与抗扰控制，隧道内的GNSS信号丢失可能导致定位漂移，激光雷达的点云密度不均；复杂地形下感知与决策模块容错率极低，任何延迟或误判均可能引发失控风险。

为应对天门山赛道急弯、陡坡与信号遮挡等复杂挑战，实车决赛需采用多传感器融合定位技术（GNSS+IMU+激光雷达）确保信号丢失时仍能稳定感知，并采用动态PID与模型预测控制（MPC）实现弯道与坡道的自适应跟踪，同时部署安全边界控制策略，在激进竞速与稳定通过之间实现最优平衡。

仿真比赛使用的是燃油赛车，而实车比赛使用的是电动赛车底盘。二者在控制方面存在较大的差异。所以相对于仿真赛事，实车比赛是一个新的开始。

在接下来的赛段中，CodeWisdom团队将在全新的实车上进行算法的开发与调试，进一步实现从软件到硬件的全链路方案实现和优化。

复旦大学软件工程实验室（暨CodeWisdom研究团队）隶属复旦大学计算与智能创新学院，位于复旦大学江湾校区二号交叉学科楼2楼D区，现有教授2名、副教授5名、青年副研究员1名、讲师1名。实验室长期从事软件工程方法、系统软件技术以及软件技术产业化应用等方面的研究和实践工作，当前主要围绕数据驱动的软件智能化开发与运维、智能化系统中的软件工程和系统工程问题开展研究，同时关注于国产基础软件以及智能汽车、智能机器人、工业软件系统等新型泛在计算软件系统。

团队研究工作聚焦国家战略性需求和产业共性问题，主要围绕智能化时代的软件工程与系统软件技术展开，具体包括软件智能化开发与运维方法与技术（AI4SE）以及面向智能化系统的工程化方法与技术（SE4AI）两个方面。前者关注于将大模型等智能化技术应用于软件开发、测试与运维方法中，后者关注于智能汽车、智能机器人、工业软件系统等新型智能化系统中的基础软件支撑及开发测试方法。

研究工作得到科技部重点研发计划项目、自然科学基金重点/面上项目支持，与荣耀共建“智能化终端软件开发技术”校企联合实验室，研究成果在多家重点企业和重点行业应用，获华为优秀技术成果奖。在ICSE、FSE、ASE、ISSTA、CCS、WWW、TOSEM、TSE以及中国科学、软件学报等国内外高水平会议与期刊上发表论文100余篇，10余次获得高水平会议与期刊最佳论文奖。根据计算机领域公认的国际专业排名CSRankings统计，复旦大学软件工程领域近五年（2020-2024）排名全球第4、中国第3。

团队承办IEEE全球化软件工程国际会议（ICGSE 2014）、IEEE软件维护与演化国际会议（ICSME 2017）、2022年与2023年CCF中国软件大会等国内外重要学术会议。彭鑫教授担任中国计算机学会软件工程专委会副主任、中国汽车工程学会基础软件分会副主任、SCI期刊JSEP联合主编，以及TOSEM、EMSE、软件学报等多个期刊编委。团队成员常年担任ICSE、FSE、ASE、ISSTA等软件工程顶级国际会议程序委员。