低附着路况仍精准
把车辆动力学先验融进CNN特征融合，比纯视觉方法更早更准地估计道路附着系数，尤其在低附着工况下保持稳定。
Xixi, Li · 任明仑
Expert Systems with Applications 2025
模型嵌入了车辆动力学先验，在湿滑或冰雪等恶劣路况下估计结果仍保持准确和稳定。
车辆测试表明，该方法在道路条件突变时能提供更具前瞻性和精确性的附着系数，为规划和控制系统提前量。
融合模型将物理信息注入深度学习，使得原本的黑盒网络具备更强的可解释性和透明度。
模型训练结果表明，相比于传统深度学习模型，VDMIDL 的估计精度更高。