2025 CCF中国软件大会“复杂智能系统仿真测试”论坛于11月30日上午成功召开。本次论坛由中国科学技术大学教授张昱、华东师范大学教授杜德慧、中国科学院软件研究所副研究员晏荣杰和易控智驾数据闭环仿真安全负责人杨开睿联合发起组织，邀请业界专家郭迟、马雷、封硕、文成、晏荣杰和博士生王稔之、陈金宝作专题报告，并在中国软件大会会场武汉国际会议中心2楼V22举办。论坛围绕“复杂智能系统仿真测试”这一核心主题展开分享和交流，重点探讨了智能系统可信性保障、大模型赋能形式化验证、自动驾驶安全挑战、具身智能安全测试以及基于形式化规约的自动测试等前沿议题。
图1 张昱教授为“复杂智能系统仿真测试”论坛开幕致辞
本次论坛由张昱教授、杜德慧教授和晏荣杰副研究员共同主持，包括7个特邀报告。
首个特邀报告由马雷副教授（东京大学/阿尔伯塔大学、加拿大CIFAR AI Chair）带来，题为《Trustworthiness Assurance of Intelligent Systems in the Age of AI Agents》。他指出，随着以大模型为核心的AI智能体系统迅速发展，其不断演进的复杂性和中心化特性使可信性保障面临新的挑战。报告从系统工程视角综述了AI智能体时代AI使能系统可信性保障的最新研究进展。
图2 马雷教授作《Trustworthiness Assurance of Intelligent Systems in the Age of AI Agents》特邀报告
文成副教授（西安电子科技大学广州研究院）的报告题目是《从需求到规约：大模型赋能复杂系统形式化验证》。他介绍了大语言模型对自动化规约生成与验证的赋能作用，并分享了团队在自然语言需求到形式化规约自动转换、复杂程序规约综合以及航天嵌入式软件IP组件智能验证方面的研究成果，展示了大模型在提升工程级形式化验证效率与可用性方面的价值。
图3 文成教授分享《从需求到规约：大模型赋能复杂系统形式化验证》的最新研究成果
王稔之博士生带来题为《矿山自动驾驶面临的安全挑战》的报告。他指出，矿山自动驾驶已成为自动驾驶技术商业化落地的先行领域，但随着规模化部署和运营效率需求不断提升，安全挑战日益突出。报告提出适用于矿山环境的评估框架，强调仿真测试应兼顾高效率闭环测试与复杂极端场景覆盖，并指出测试有效性依赖于系统控制机理与决策策略在恶劣环境下结果可复现性的保证。
图4 王稔之博士生聚焦产业前沿，探讨《矿山自动驾驶面临的安全挑战》及仿真测试方法
晏荣杰副研究员（中国科学院软件研究所）的报告题目是《自动驾驶系统仿真测试——何者为要，何者非然》。她指出，当前自动驾驶系统仿真测试领域缺乏客观统一的评估标准，并提出从内在效率与测试有效性两个维度构建评估框架。基于八个开源自动驾驶系统的仿真测试结果，她验证了现有多种测试方法难以兼顾效率与有效性，并强调智能体决策合理性与环境交互确定性不足会显著削弱测试方法的有效性。
图5 晏荣杰副研究员在论坛上阐述《自动驾驶系统仿真测试——何者为要，何者非然》的客观评估标准
封硕研究员（清华大学自动化系副教授、特别研究员）带来了题为《具身智能安全性等效加速测试》的报告。他指出，具身智能在安全攸关领域面临“稀疏度灾难”，即安全关键事件在极高维状态空间中极其稀少，使传统测试评估难以有效收敛。报告强调，等效加速测试能够在不引入评估偏差的前提下显著提升测试效率，是破解稀疏事件难题和实现智能体安全自我迭代闭环的关键思路。
图6 封硕教授针对具身智能面临的“稀疏度灾难”，介绍“等效加速测试”的关键思路
郭迟教授（武汉大学机器人学院副院长）的报告题目是《机器人具身导航的仿真测试与实机部署》。他介绍了以高保真仿真环境为核心的人形机器人具身智能训练路径，通过在物理逼真、多样内容的虚拟环境中进行大规模策略训练，并采用域随机化等技术弥合仿真与现实差距，构建“仿真—测试—部署”闭环迭代体系。结合实际部署经验，他指出现有研究成果在真实运行中存在鲁棒性不足、迁移能力受限等问题，强调仿真与实机协同对推动机器人在复杂环境中稳定运行的重要性。
图7 郭迟教授分享以高保真仿真为核心的机器人具身导航策略训练与实机部署经验
最后，中国科学技术大学博士生陈金宝作题为《基于形式化规约与模型检查的需求驱动MIL自动测试》的报告。他指出汽车工业中模型在环（MIL）测试面临需求歧义与手动建模成本高昂的问题，并提出AutoFT自动化框架，通过“LLM信息抽取+语义感知编译”自动生成TLA+规约，并利用覆盖率引导剪枝降低状态空间复杂度，从而实现从自然语言需求到可执行MIL测试的高效自动化流程。
特邀报告环节结束后，论坛举行了专题讨论环节，嘉宾与参会者围绕复杂智能系统仿真测试技术展开了深入交流与互动。
图8 论坛组委会和报告嘉宾合影留念
经过近4小时的密集交流与深度研讨，“复杂智能系统仿真测试”论坛圆满落幕。本次论坛的成功举办，为复杂智能系统可信性保障与仿真测试技术的未来发展开辟了新路径。