本项目面向L3级有条件自动驾驶的发展需求，聚焦于人机共驾背景下接管过程中的协同控制问题。随着自动驾驶技术日益成熟，驾驶员仍需在关键时刻接管控制权，而驾驶员的接管能力受其生理状态、注意力、外部环境等多因素影响，存在不确定性。为确保控制权从系统向人类的平稳、安全切换，项目从接管绩效建模、人机共享控制策略、安全强化学习三方面入手，构建一个集预测、协同与控制于一体的智能人机交互框架。该研究致力于提升自动驾驶系统的实用性与安全性，为实现高等级智能驾驶奠定基础。

本项目旨在开发一套考虑驾驶员接管能力的人机交互策略，提升L3级智能驾驶系统的决策智能与安全性能。具体目标包括：构建驾驶员接管绩效预测模型；基于预测结果设计动态加权的人机共享控制策略，合理分配控制权；开发融合控制障碍函数（CBF）与强化学习的自动驾驶控制算法，保障控制权切换过程中的车辆稳定性与安全性；最终通过仿真平台验证策略的有效性和泛化能力，为未来自动驾驶车辆提供技术支持。

本项目将形成一套包含数据建模、策略设计与系统验证的完整人机交互解决方案。具体成果包括：一个融合多模态数据输入的采取MoE架构的驾驶员接管绩效预测模型；一套基于接管能力与场景风险的动态共享控制权重调节算法；一个结合安全强化学习与MPC的横纵向控制系统。项目在联合仿真平台完成验证，能在典型交通场景下实现安全、平顺的驾驶，具有较高的工程实用性和研究创新性，为智能驾驶系统的可靠部署提供支撑。