From 35a142108fdfe619ccb763f803bf133cbb4d179b Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sat, 14 Nov 2026 22:15:48 +0800 Subject: [PATCH 1/6] =?UTF-8?q?cover.tex=E8=AE=BA=E6=96=87=E5=B0=81?= =?UTF-8?q?=E9=9D=A2=E4=BF=A1=E6=81=AF?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- mcp/undergraduate/content/cover.tex | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/mcp/undergraduate/content/cover.tex b/mcp/undergraduate/content/cover.tex index bd0426cd..22c80dcb 100644 --- a/mcp/undergraduate/content/cover.tex +++ b/mcp/undergraduate/content/cover.tex @@ -1,17 +1,17 @@ %!TEX root = ../hutbthesis_main.tex % 文章信息 -\titlecn{基于FastMCP的人车仿真器交互控制系统} -\titleen{Design and Implementation of a Human-Vehicle Simulator Interactive Control System Based on FastMCP} +\titlecn{基于MCP的机器人载具交互仿真控制系统} +\titleen{MCP-Based Interactive Simulation Control System for Robotic Vehicles} -\author{徐杨杨} +\author{龚竞涵} \subsupervisor{} -\studentid{2209040016} +\studentid{2309040071} \priormajor{机器人工程} -\myclass{机器人工程2201} +\myclass{机器人工程2302} \supervisor{王海东讲师} \department{智能机器人学院} -\thesisdate{year=2026, month=5} +\thesisdate{year=2027, month=5} % 以下字段对本科生模板通常不显示,保留以兼容类文件 \clcnumber{TP391} From 3a4f8af95ec5ee70fc02fdea5545a0c59803481b Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sun, 15 Nov 2026 13:45:57 +0800 Subject: [PATCH 2/6] =?UTF-8?q?=E4=B8=AD=E8=8B=B1=E6=96=87=E6=91=98?= =?UTF-8?q?=E8=A6=81=E6=9B=BF=E6=8D=A2=E4=B8=BA=E6=A8=A1=E6=9D=BF=E5=8D=A0?= =?UTF-8?q?=E4=BD=8D?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- mcp/undergraduate/content/abstracten.tex | 28 +++--------------------- mcp/undergraduate/content/abstractzh.tex | 6 ++--- 2 files changed, 6 insertions(+), 28 deletions(-) diff --git a/mcp/undergraduate/content/abstracten.tex b/mcp/undergraduate/content/abstracten.tex index d045f96f..db8d6036 100644 --- a/mcp/undergraduate/content/abstracten.tex +++ b/mcp/undergraduate/content/abstracten.tex @@ -1,31 +1,9 @@ %!TEX root = ../hutbthesis_main.tex -% 设置英文摘要 -\keywordsen{FastMCP; Human-Vehicle Interaction; Simulation Control System; Natural Language Interaction} +% 设置英文摘要(提交前替换关键词与正文,与中文摘要对应) +\keywordsen{Keyword 1; Keyword 2; Keyword 3; Keyword 4} \begin{abstracten} -Aiming at the problems of complex operation, weak natural language -interaction ability and low efficiency of scenario deployment in -traditional human-vehicle interaction simulation systems, this paper -designs and implements an interactive control system for human-vehicle -simulators based on the FastMCP communication framework. Focusing on -human-vehicle interaction behaviors, the system integrates functions -such as simulation environment construction, vehicle control, data -collection and visual display, and realizes lightweight scheduling and -rapid configuration of simulation processes through natural language -instructions. This research first sorts out the research status in the -field of autonomous driving simulation and human-computer interaction, -and clarifies the system design requirements. Secondly, a hierarchical -architecture is constructed to complete the detailed design of -communication module, control module, simulation module and interface -module. Then, the full-process development is realized based on the -CARLA simulation engine and FastMCP protocol, supporting flexible -configuration of multiple scenarios and parameters. Finally, multiple -sets of tests verify the stability and practicability of the system. The -experimental results show that the system can effectively lower the -threshold of simulation operation and improve the efficiency of -human-vehicle interaction testing, providing a convenient, efficient and -scalable development and testing platform for autonomous driving -algorithm verification and human-vehicle interaction behavior analysis. +(Write the English abstract here. It should correspond to the Chinese abstract: research background and problem, objectives, core methodology/system design, key experimental results and conclusions.) \end{abstracten} diff --git a/mcp/undergraduate/content/abstractzh.tex b/mcp/undergraduate/content/abstractzh.tex index 72975501..63cfabfe 100644 --- a/mcp/undergraduate/content/abstractzh.tex +++ b/mcp/undergraduate/content/abstractzh.tex @@ -1,9 +1,9 @@ %!TEX root = ../hutbthesis_main.tex -% 设置中文摘要 -\keywordscn{FastMCP,人车交互,仿真控制系统,自然语言交互} +% 设置中文摘要(提交前替换关键词与正文,与英文摘要对应) +\keywordscn{关键词一;关键词二;关键词三;关键词四} \begin{abstractzh} -本文章着眼于传统人车交互仿真系统存在操作繁杂,自然语言交互能力不强,场景设置效率低等情况,设计并制作出一套依靠FastMCP通信框架的人车仿真器交互控制体系,该体系把人车交互行为当作核心部分,融合仿真环境创建,车辆控制,数据收集,可视化表现等功能,经由自然语言指令来达成对仿真流程的精简调度和快速设定。研究先是整理自动驾驶仿真和人机交互方面的研究成果,从而确定系统设计的需求。然后形成分层架构,并完成通信模块,控制模块,仿真模块以及界面模块的具体设计。接着凭借CARLA仿真引擎和FastMCP协议去执行全过程的开发工作,使得可以针对多种场景,大量参数实施灵活的设置。最后经过许多组检测来证实系统的稳定性和实用性。实验结果显示,此系统可有效缩减仿真操作的难度,加强人车交互检测的速度,能给自动驾驶算法验证,人车交互行为分析给予方便,高效又可扩展的开发及检测平台。 +(此处填写中文摘要:简要说明研究背景与待解决问题、研究目标与主要思路、系统/方法的核心设计、关键实验结果与结论,一般 300--500 字。) \end{abstractzh} From 216de9b8339b56697ab716e1b361996e1655f5f1 Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sun, 15 Nov 2026 14:15:53 +0800 Subject: [PATCH 3/6] =?UTF-8?q?=E5=85=AD=E7=AB=A0=E6=AD=A3=E6=96=87?= =?UTF-8?q?=E6=9B=BF=E6=8D=A2=E4=B8=BA=E6=A0=87=E9=A2=98=E9=AA=A8=E6=9E=B6?= =?UTF-8?q?=E5=8D=A0=E4=BD=8D?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- mcp/undergraduate/content/chapter1.tex | 98 +-------- mcp/undergraduate/content/chapter2.tex | 91 +------- mcp/undergraduate/content/chapter3.tex | 169 ++------------ mcp/undergraduate/content/chapter4.tex | 290 ++----------------------- mcp/undergraduate/content/chapter5.tex | 60 +---- mcp/undergraduate/content/chapter6.tex | 15 +- 6 files changed, 56 insertions(+), 667 deletions(-) diff --git a/mcp/undergraduate/content/chapter1.tex b/mcp/undergraduate/content/chapter1.tex index b18f32fb..47ddc1a7 100644 --- a/mcp/undergraduate/content/chapter1.tex +++ b/mcp/undergraduate/content/chapter1.tex @@ -2,108 +2,28 @@ \chapter{绪论} -\section{研究背景及意义} - -智能网联汽车,自动驾驶技术以及功能型无人装备正在飞速发展,以无人车为核心的部分智能化交通系统已在园区接驳,物流配送,安防巡检,港口作业,城市公交等多种场景达成大规模落地应用。无人车的环境感知,路径规划,行为决策,运动控制以及人车协同交互能力,会直接左右其行驶的安全性,通行的效率以及社会的接受程度,在无人车算法研发,功能验证和性能评价阶段,以往依靠实际道路开展考察的方式存在诸多明显问题,比如考察成本较高,危险场景不易重现,极端工况涵盖不够全面,研发历时过长等情况,这些状况已无法适应现代自动驾驶系统高效更新换代的需求,在此情形之下,数字化仿真考察由于具备成本低,安全性高,场景可按需定制,全过程可再现等特点,渐渐转变成无人车从算法设计到工程实施的关键支持手段\myrefcite{1}。 - -当下,主流的人车仿真平台包含CARLA,HUTB,Prescan以及Unreal -Engine等,这些平台有着比较完备的车辆动力学模型,交通流模拟系统,多种传感器仿真功能,环境渲染能力和物理碰撞处理能力,可以支持基本的无人车行驶检测,感知算法校验以及交通场景模拟。但在实际工程应用的时候,其一,平台控制很大程度上依靠代码级别的API调用,并且需要人工设置参数,操作流程很繁杂,对于非开发者来说入门难度较大。其二,场景创建,车辆控制,天气设定,传感器调用等功能模块彼此分离,缺少统一的交互通道和调度体系。其三,传统的仿真系统很难同大型模型,语音交互,Web可视化等智能方法很好地结合在一起,依靠自然语言激发的智能交互能力十分短缺。其四,环境设置过程极为繁琐,而且经常会出现依赖关系矛盾的情况,服务启动时的步骤也很复杂,轻量级部署以及快速重复利用的能力比较弱,这就不利于科研和工程项目尽快得到验证。 - -模型上下文协议(Model Context -Protocol,MCP)被提出之后,就给AI大模型同外部工具,硬件系统以及仿真平台之间的标准化通信带来了轻量化的解决办法,FastMCP是一个高性能,轻量级而且容易做二次开发的MCP实现框架,它具有低时延,高稳定性,便于封装工具,跨平台适配等特性,可以将人车仿真平台里零散分布的控制接口统一整合成标准的服务工具,从而做到从自然语言指令直接转为仿真执行指令,凭借前面这些技术基础,本文就设计并制作出依靠FastMCP的人车仿真器交互控制系统,用标准化协议来破除AI和仿真平台之间的障碍,创建起包含车辆控制,无人机控制,场景编辑,天气调节,传感器管理,Unreal引擎编辑等功能的智能交互系统,这对于优化人车仿真平台的易用性,智能化程度以及工程化效率有着重要的理论意义和实际价值。 - -在面向人车协同仿真的交互控制系统中,国内相关工作大多集中在驾驶模拟器的硬件设计、软件实现以及具体的交互场景上。早期主要是搭建真实感强的驾驶模拟平台,利用六自由度运动平台、高分辨率视景系统及力反馈方向盘等硬件,给用户带来身临其境的驾驶体验。这些系统对汽车动力学仿真以及驾驶员的行为研究都起到积极作用,是研究驾驶员在不同道路上行驶时如何操作必不可少的基础工具。但是传统的模拟器大多是基于特定需求进行开发,内部的核心仿真部分(例如汽车动力学模型、交通流模型)和交互控制紧密相连,因此很难对其进行扩展,也不方便加入新的交互设备或者满足不同的实验需求。 - -本文所介绍的``基于Fast -MCP的人车仿真器交互控制系统'',主要是在``快速''的基础上结合了``模型上下文协议'',为满足人车仿真实现了一套高效的交互控制协议框架。``Fast''并不只是指通信上的低延时,更重要的是这个协议栈可以支持仿真需要的确定性、及时性和大量数据传输能力。该系统的目标就是利用这个协议来实现高质量的车辆动力学模型、精确的环境感知模型以及丰富的人机交互界面(比如方向盘、油门、刹车甚至脑机接口)之间的良好连接,形成一个完整的交互控制系统。在这个系统中,所有的控制命令、传感器值、环境状况等都能以一种标准而且高效的方式在整个仿真过程中流动,进而使得驾驶员的动作、汽车的反应以及外界的影响都可以被精确地、毫秒级地模拟出来。这就可以解决以前由于各个模块之间的接口不同、数据难以有效地进行序列化或者中间件过重造成的种种问题。 +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) -本文的研究意义主要体现在以下四方面: - -第一,创建起协议化,标准化而且低耦合的仿真交互框架,依靠FastMCP来统一封装各类别的仿真控制接口,从而减小模块整合的复杂程度并优化系统的可扩展能力。 - -第二,达成自然语言激发的人车仿真全流程控制,支持语音,Web界面,AI助手等多种渠道的交互方式,突出减小仿真操作的门槛。 - -第三,给出轻量化,虚拟化的一键式部署方案,达成环境自动设置,依赖自动安装,服务自动开启的目的,从而优化研发和检测的效率。 +\section{研究背景及意义} -第四,创建起针对无人车功能验证,人车交互行为分析,自动驾驶决策算法检测以及交通仿真场景库形成这些研究方向的仿真支撑平台,该平台需具备高效性,灵活性与可复用性。 +(此处填写本节内容。) \section{国内外研究现状} -无人车仿真测试技术是自动驾驶系统开发的关键支撑手段。吴泰邦\myrefcite{1}针对无人车测试需求,设计并实现了交通仿真后端服务系统,为自动驾驶仿真提供了高效的数据服务支持。丁俊锋\myrefcite{2}面向自主驾驶场景,研究了无人车高效导航方法,重点改进了非结构化道路与动态障碍物环境中的路径规划性能,为仿真系统中的车辆运动控制提供了可靠的算法基础。黄嘉旻等\myrefcite{11}针对功能型无人车与通用智能网联汽车的差异,提出了一种面向功能验证的分层仿真场景库生成方法,构建了涵盖交通参与者交互、道路行驶、信号灯通行、交通标识识别、停车交互、障碍物识别的完整场景体系,并通过试验验证了该场景库的实用性和有效性。 - - - -在仿真系统性能优化方面,Fang等\myrefcite{25}利用分子动力学模拟辅助离子液体筛选,为复杂系统的仿真建模提供了方法学参考。Yan等\myrefcite{26}实现了天然丰度低$gamma$核素NMR信号的直接检测,其信号处理与数据分析方法对仿真系统中传感器数据的精确采集与处理具有借鉴意义。 - - - -人车交互行为建模是提升自动驾驶系统安全性和社会接受度的核心环节。胡馨宁\myrefcite{3}以无信号路段行人过街为研究重点,深入剖析了人车交互的行为特征和决策机理,构建了贴近实际交通行为的预测模型,有效提升了动态人车交互仿真的真实性。谢璞光等\myrefcite{4}提出了一种新型的人车交互实现方法,优化了车内外信息传达路径,加快了指令响应速度并增强了系统的易用性。曹哲\myrefcite{5}针对交叉口右转高冲突场景,构建了基于人车交互的自动驾驶车辆行为决策模型,提升了车辆在复杂冲突场景下的决策合理性和通行效率。赵彬越\myrefcite{6}在自动驾驶与人工驾驶共存的交通环境中,针对无信控路段的人车交互行为开展了系统仿真研究,揭示了交通流状态、运动参数对交互安全性和通行效率的影响规律。在国际研究方面,Yang等\myrefcite{16}利用多层路径分析法,全面解析了共享空间内人车交互的主要影响因素,为行车交互安全设计提供了量化依据。Li等\myrefcite{17}采用基于智能体(Agent)的方法构建了无信号路段人行横道上的人车交互模型,显著改善了动态交通场景仿真的精确程度和可信水平。Muduli等\myrefcite{18}依托长短期记忆网络(LSTM)构建了混合交通环境下的人车交互风险等级预测模型,为仿真测试中危险场景的自动生成及安全评价提供了算法支持。Lu等\myrefcite{23}针对智能座舱提出了交互增强方案,通过识别驾驶意图改善了人车交互体验,提升了座舱系统的智能化水平和流畅性能。张志杰等\myrefcite{12}从人机交互设计视角出发,按照人车交互原理提出了自动驾驶汽车多模态外显交互界面的设计方案,利用可视化提示增强了行人对车辆行驶意图的认知,进而改善了交互的安全性和连贯性。在交通系统优化方面,Maleki等\myrefcite{19}针对多分配枢纽最大覆盖问题提出了高效模型,其优化方法可应用于仿真系统中多智能体的路径规划与资源调度。徐婷婷等\myrefcite{9}研究了"车-路-网"耦合下含多类型充电桩协同的充电站规划,为智能网联交通系统的仿真建模提供了基础设施层面的理论支撑。 - -数字孪生和虚实融合技术为仿真系统带来了更高的真实度和交互能力,成为近年来人车仿真领域的重要发展方向。刘君丽\myrefcite{7}针对自动驾驶场景构建了数字孪生信息交互系统,实现了物理实体与虚拟仿真空间的数据同步、状态映射以及实时指令交互,改善了仿真系统与现实世界的一致性。李嘉然等\myrefcite{8}依照数字孪生理念设计了无轨胶轮车运动仿真与人机交互系统,并在工业特种车辆场景中验证了交互控制的即时性、稳定性和工程应用价值。 - -在底层技术支撑方面,高精度时间同步和低延迟通信是保障数字孪生系统实时性的关键。Ma等\myrefcite{24,30}针对快速定时探测器的性能优化开展了深入研究,探讨了微通道板光电倍增管信号链路的设计方法,为皮秒级时间分辨率系统的构建提供了技术参考。Lee等\myrefcite{27}提出了一种基于FPGA的时间数字转换器设计,采用反向梯度传播和虚拟箱方法减少时间箱之间的相关性,在资源受限的情况下实现了高分辨率和高线性度,已应用于实际快速定时测量中。这些研究成果对于设计低延迟、高确定性的交互控制协议底层通信机制具有重要指导意义。 - -在复杂系统建模优化方面,代理模型技术的应用为提升仿真效率提供了新思路。李良星等\myrefcite{10}采用物理信息神经网络建立了用于预测流场的代理模型,在保证一定准确性的前提下将预测速度提高了数个数量级,并大幅减少了内存占用。这一方法对于人车仿真中计算量巨大的模块(如复杂外部环境流动或精细传感器模拟)具有借鉴意义,可通过FastMCP协议将其接入交互控制环路,在保证仿真真实性的同时满足实时性要求。 - -在材料科学与仿真交叉领域,Nyemann等\myrefcite{20}研究了LiF:Mg,Cu,P的复合寿命特性,其脉冲光激发发光测量技术为仿真系统中光学传感器建模提供了物理参数参考。Pathak等\myrefcite{21}探讨了DPP-4抑制剂对脂肪肝病变的影响,其长期效应评估方法对仿真系统中车辆长期运行状态的稳定性分析具有方法论启示。Bauer-Fasching等\myrefcite{15}在Zwicky瞬变设施巡天中发现了新的ACV变量,其大规模天文观测数据处理方法对仿真系统中海量传感器数据的实时处理与分析具有参考价值。Bowles等\myrefcite{14}提出了从MS2时间序列数据中推断转录动力学参数的可扩展方法,其时间序列分析技术可应用于仿真系统中车辆轨迹数据的建模与预测。随着大模型技术的发展,自然语言交互成为降低仿真系统使用门槛的重要途径。Zhang等\myrefcite{13}对多无人机辅助反向散射通信系统进行了性能分析,为多智能体系统的协同控制提供了理论基础。Van -Dam\myrefcite{28}提出了基于多模态GUI架构的LLM对话助手接口方案,为自然语言与仿真系统的交互设计提供了架构参考。 - -在地球系统模拟与气候预测方面,Planton等\myrefcite{29}研究了海洋热含量对ENSO可预测性的不对称影响,其耦合环流模型中的预测方法对仿真系统中复杂环境参数的动态调控具有参考价值。然而,当前将自然语言交互与专业仿真平台深度结合的研究仍较为缺乏,特别是在自动驾驶仿真领域,如何实现从自然语言指令到仿真执行的高效、准确映射仍是亟待解决的技术难题。 - - - -综合国内外相关研究来看,无人车仿真检测,人车交互行为建模,数字孪生交互系统,自动驾驶决策算法这些方面已有诸多研究成果,给本文系统的设奠定下稳固的理论及技术根基,不过当下的平台和方法还是存在一些不够之处。 - -仿真平台接口分散、模块独立,缺乏统一的标准化交互框架,难以与AI大模型高效协同; - -操作方式以代码调用与手动配置为主,自然语言交互能力薄弱,使用门槛较高; - -场景构建、车辆控制、环境配置流程长难,难以快速响应复杂测试与多场景验证需求; - -系统部署很复杂,环境设置也很麻烦,缺乏轻量化,一站式而且可以快速复用的部署方案。 - -依托FastMCP,本文设计出人车仿真器交互控制系统,该系统采用分层解耦架构,并将标准化工具加以封装,具备多渠道智能交互能力,而且经过轻量化一键部署就能运行,这样就填补了当前仿真平台存在的漏洞,全方位加强人车仿真系统的智能化,便捷化以及工程化水平。 +(此处填写本节内容。) \section{研究内容与技术路线} -\subsection{主要研究内容} - -系统需求及架构设计方面,要剖析人车仿真控制,自然语言交互,轻量化部署这些关键需求,并规划依靠FastMCP的三层架构,该架构包含用户交互层,MCP服务层以及仿真器层,需明确各层的功能,模块划分情况和接口规范。 +(此处填写本节内容。) -依靠HUTB/CARLA仿真平台来封装车辆,天气,传感器以及场景编辑等方面的工具接口。凭借Unreal -Engine开发编辑器,蓝图,节点以及UI编辑等相关的控制工具,从而创建起完整的工具链。 - -开发Web可视化交互界面,该界面可执行指令输入,状态反馈以及日志输出功能。利用Python虚拟环境做到依赖隔离,并编写一键启动脚本,从而达成环境设置,服务启动的全面自动化。 +\subsection{主要研究内容} -系统整合及检测验证包括MCP服务、交互界面以及仿真平台的联合调试,在一般仿真环境中进行功能测试与压力测试以检查系统对指令的反应是否正常、控制是否稳定、能否适应不同的场景并且部署是否高效等。 +(此处填写本节内容。) \subsection{技术路线以及主要工作} -本文按照 ``需求分析→架构设计→模块开发→系统集成→测试优化'' -的完整技术路线开展研究: - -需求分析阶段:深入分析CARLA仿真平台的API调用痛点、环境调控需求及部署流程瓶颈,明确系统功能需求与性能指标,确立基于FastMCP的服务化封装方案。 - -架构设计阶段:设计``用户交互层---MCP服务层---仿真执行层''的三级分层架构。明确HUTB -MCP Server(负责CARLA仿真控制)与Unreal MCP -Server(负责引擎编辑扩展)的功能边界与通信协议,制定工具封装规范与接口标准。 - -模块开发阶段:基于FastMCP框架完成仿真工具集的开发,实现车辆控制、天气调节、传感器管理等功能模块;开发自然语言指令解析与参数映射模块;编写自动化部署脚本与虚拟环境配置方案。 - -系统集成阶段:完成MCP服务、Web交互界面、CARLA仿真平台的联合调试,实现从自然语言输入到仿真执行的完整闭环控制。 - -测试验证阶段:在标准城市场景中开展功能测试、性能测试与压力测试,验证系统的指令响应正确性、部署效率及长时间运行稳定性,总结系统优势与改进方向。 +(此处填写本节内容。) \subsection{本文框架结构} -本文就依托FastMCP的人车仿真器交互控制系统的规划与达成予以阐述,总体上依照``理论分析,需求分析,架构设计,模块完成,系统评定,总结展望''这一整套研究脉络。 - -第一章属于绪论部分,该部分要阐述自动驾驶以及人车交互仿真相关研究的背景及其意义,还要整理国内外有关无人车仿真,人车交互,数字孪生以及智能交互系统的研究情况,从中找出当下仿真平台存在的一些问题,比如操作比较复杂,接口比较分散,自然语言交互能力有所短缺,部署起来也很繁杂之类的情况,从而明确本文的研究范围,技术路径以及总体框架。 - -第二章是研究的理论基础部分,该部分着重阐述MCP协议,FastMCP通信框架,HUTB/CARLA仿真器的工作原理,UnrealEngine编辑器的扩展机制,还有自然语言指令向仿真API实施映射的逻辑,这些内容会给系统架构设计以及模块开发给予理论支持和技术参考。 - -第三章介绍系统主要实现的技术,它从整体架构、双服务并行机制、仿真控制、引擎扩展、自然语言处理、模块化工具以及轻量化部署等方面进行阐述,详细介绍了系统的相关技术和实现过程,包括从底层通信到上层交互的整体设计思路。 - -第四章是系统详细设计与达成的部分,要明确开发环境,针对整体框架,功能模块,核心服务,指令映射,Web界面以及一键部署流程展开细致设计,还要给出关键代码和运行流程,从而全面展示系统工程化的达成过程。 - -第五章是总结与展望部分,该部分要总结文章的研究成果以及系统的改进之处,也要表明当下的短缺,还要从场景丰富程度,多模态交互,算法改良,分布式安排,数字孪生结合等方面来展望后续的研究方向。 +(此处填写本节内容。) diff --git a/mcp/undergraduate/content/chapter2.tex b/mcp/undergraduate/content/chapter2.tex index fe737190..8b39ef50 100644 --- a/mcp/undergraduate/content/chapter2.tex +++ b/mcp/undergraduate/content/chapter2.tex @@ -2,99 +2,24 @@ \chapter{研究理论基础} -\section{Model Context Protocol(MCP)协议} - -MCP(Model Context -Protocol)是本系统同大模型,仿真器交互的关键通信协议,该协议旨在形成标准化的上下文感知交互机制,达成不同系统之间结构化指令的传递以及状态的同步,FastMCP是MCP协议的一种轻量化达成框架,给本文章赋予了高扩展性的服务端开发根基,它具有如下核心特点以符合人车仿真器交互的需求。 - -轻量级通信框架:以基于TCP/IP长连接方式进行通讯,实现低延时下发命令以及反馈信息,满足仿真器对实时性需求。 - -模块化服务设计:以功能划分服务模块(例如车辆控制、编辑器工具等),各个模块可以单独进行注册、启动停止,符合仿真器控制以及引擎编辑的功能拆分理念。 +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) -协议有会话上下文保持功能,可以保存仿真器当前情况,如车辆位置、天气等,使得大模型指令根据仿真器当前情况进行生成,避免指令和实际情况不符。 - -本文章依靠FastMCP框架塑造出HUTB MCP Server和Unreal MCP Server,HUTB MCP -Server关注HUTB/CARLA仿真器的运行时控制,Unreal MCP Server则着眼于Unreal -Engine的编辑器层操作,经由统一的MCP协议接口达成上层交互层(包含语音,Web,AI助手)和底层仿真器之间的解耦通信。 - -\begin{figure}[H] -\centering -\includegraphics[width=11.8cm,keepaspectratio]{images/image4.png} -\caption{MCP协议完整交互架构图} -\label{fig:mcp-architecture} -\end{figure} +\section{Model Context Protocol(MCP)协议} -如图~\ref{fig:mcp-architecture}所示,用户通过将自身需求上传到AI客户端,将指令参数发送给MCP服务端,FastMCP工具封装,并将状态结果反馈给AI客户端,用户便可以通过Claude,Web界面获得结论。 +(此处填写本节内容。) \section{人车仿真器底层技术架构} -\subsection{HUTB/CARLA 仿真器核心原理} - -HUTB/CARLA仿真器是一个基于Unreal Engine -4开发的开放源代码自动驾驶仿真环境,在本论文中用于车辆、无人机以及环境的物理级仿真,它所依赖的关键技术有: - -多智能体交互框架:仿真器内建有可管理多个不同类型的Actor(比如车辆或无人机等)实例以及它们的状态信息,每个Actor都有一个唯一的ID以及自身的物理属性(例如其质量和动力学特性),可以利用接口来创建、销毁或者改变这些Actor的状态。 - -物理引擎适配:引入PhysX物理引擎,真实表现汽车动力学特性(油门、转向、制动等)及无人机飞行状态(悬停、降落时空气动力学效果)还有天气对于物理世界影响(例如下雨时路面上摩擦力减少)。 - -传感器仿真体系能够对相机,激光雷达,毫米波雷达等多种传感器实施数字化仿真,传感器采集的数据可以即时反馈到MCP服务端,给大模型给予环境感知的依照,该数据格式同真实硬件输出相契合,保证了控制指令具有现实映射性。 - -车辆输出状态由油门、转向、制动、自动驾驶状态共同决定,表达式为: - -\begin{equation} -Vehicle_{state}=f(Throttle,Steer,Brake,Autopilot) -\label{eq:vehicle-state} -\end{equation} -式中,$Throttle$代表油门控制量,$Steer$表示转向角,$Brake$显示制动强度,$Autopilot$是自动驾驶使能标志。 +(此处填写本节内容。) -\begin{figure}[H] -\centering -\includegraphics[width=0.96\linewidth,keepaspectratio]{images/image6.png} -\caption{人车仿真器层次结构原理图} -\label{fig:simulator-hierarchy} -\end{figure} - -如图~\ref{fig:simulator-hierarchy}所示,人车仿真器层次结构原理图,该系统采用五层堆栈式架构,自上而下依次为:API控制层,逻辑控制层,物理引擎层,环境与场景层,渲染层。 - -API控制层是:提供对外接口,使外界程序或者用户可以使用API来控制仿真器,支持多种类型的实体进行控制,可以设置环境参数(如天气等)以及传感器参数,在编辑器中也可以对场景或者参数进行在线调整。 - -逻辑控制层主要负责:智能体管理仿真中所有自主实体(车辆、行人等)的生命周期以及行为调度。指令解析:将来自上层API高层指令转化为可以被本系统执行的操作。 - -物理引擎层主要为:求解汽车动力学方程(加速度、速度、位移)。摩擦系数:对汽车轮胎与路面之间以及车身与空气之间的相互作用起着至关重要的作用,从而影响驾驶的真实感。 +\subsection{HUTB/CARLA 仿真器核心原理} -环境与场景层主要是:提供道路网络、地形、建筑物等静态场景。模拟不同时间、天气下的光照条件。雨、雪、雾等动态气象条件(与API层联动)。其他车辆、行人、骑行者等动态元素 +(此处填写本节内容。) \subsection{Unreal Engine编辑器扩展机制} -Unreal Engine -4的编辑器扩展机制为本研究中的场景编辑以及蓝图编写奠定基础,主要包括: - -插件化扩展架构:编写UnrealMCP -Plugin插件,使MCP协议连接到Unreal编辑器核心接口(Editor -Subsystem)上,从而可以对Actor、蓝图编辑、UI控件等进行编程式操作。 - -蓝图可视化编程体系:Unreal蓝图系统是以节点形式包裹着C++底层代码,而我们利用MCP协议实现蓝图节点的生成、连接以及属性设置等操作,在不需要打开编辑器的情况下就可以进行交互逻辑的设计。 - -Level Editor主要是Level -Subsystem,这个subsystem提供了对场景中的Actor添加、删除、修改、查询以及移动、旋转、缩放的操作方法,为本文中场景编辑部分提供底层支持。 +(此处填写本节内容。) \section{自然语言交互与仿真器控制的映射逻辑} -自然语言控制主要实现从``自然语言指令到结构化的MCP指令再到仿真器API调用''三者之间的映射关系,而这些都基于以下几点: - -指令解析及意图理解:利用大规模预训练模型所具备自然语言处理能力,把未经过任何处理自然语言(如:``让无人机在广场悬停'',``设置暴雨天气''等)转化为结构化意图(操作对象、操作类型及其对应值),比如将``生成一辆轿车在坐标(100,200,0)''转化为``操作对象:车辆,操作类型:生成,参数:蓝图ID=轿车、位置=(100,200,0)、旋转=(0,0,0)''; - -API映射规则库:定义自然语言意图到仿真器API间的映射关系,如``自动驾驶''对应set\_vehicle\_autopilot -API,``极端天气设置''对应set\_extreme\_weather -API,规则库包含车辆、无人机、天气、编辑器等方面的所有API间的关系。 - -参数标准化转换是把自然语言中的模糊参数,例如``广场''、``暴雨'',转化为仿真器能够理解的标准参数,``广场''对应预先定义好的一个位置,``暴雨''则是指有降雨量=100、能见度=50、风速=30等天气参数组成的集合,这样才使得这条命令可以被执行。 - -\begin{figure}[H] -\centering -\includegraphics[width=0.95\linewidth,keepaspectratio]{images/image7.png} -\caption{自然语言到仿真指令映射流程图} -\label{fig:nl-to-api-flow} -\end{figure} - -如图~\ref{fig:nl-to-api-flow}所示,用户将自身需求上传,AI通过对用户需求解析,将其进行参数对比与提取,并将MCP指令化结构,最后通过API执行。 +(此处填写本节内容。) diff --git a/mcp/undergraduate/content/chapter3.tex b/mcp/undergraduate/content/chapter3.tex index b6ec4669..215736e4 100644 --- a/mcp/undergraduate/content/chapter3.tex +++ b/mcp/undergraduate/content/chapter3.tex @@ -2,187 +2,44 @@ \chapter{系统核心实现技术} -\section{整体架构与运行机制} - -针对现有CARLA仿真平台API接口分散、功能模块紧耦合、交互链路不统一等问题,本文采用分层解耦的分布式架构思想,构建``用户交互层---MCP服务层---仿真执行层''三级体系结构,以实现功能独立、模块解耦、接口统一、易于扩展的工程目标。 - -\begin{figure}[H] -\centering -\includegraphics[width=0.95\linewidth,keepaspectratio]{images/image8.png} -\caption{系统整体架构图} -\label{fig:system-architecture} -\end{figure} +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) -如图~\ref{fig:system-architecture}所示,系统整体运行遵循闭环控制机制。用户经由交互层输入自然语言指令或结构化命令,该指令在MCP服务层完成语义解析、路由调度、参数校验与上下文匹配后,被分发至相应的仿真执行单元;仿真器层完成对车辆、无人机、场景、环境等对象的操作后,将执行状态、传感器数据及异常信息沿原路径反馈至交互层进行可视化呈现。该机制确保了指令可控、状态可查、结果可溯,满足自动驾驶仿真对高可靠性与实时性的要求。 +\section{整体架构与运行机制} -用户交互层承担多模态指令输入与结果反馈职能,支持Web界面、语音通道及AI助手三种交互方式,通过统一的消息格式将用户请求向下传递。MCP服务层作为系统的核心调度中枢,集成FastMCP通信框架、工具注册中心、路由分发器、上下文管理器及会话缓存等组件,实现指令的集中式解析与分布式执行。仿真执行层由HUTB/CARLA仿真器与Unreal -Engine编辑器构成,分别负责物理级仿真运算与场景级编辑操作,二者通过独立的MCP服务实例与上层解耦通信,避免资源竞争与单点故障。 +(此处填写本节内容。) \section{FastMCP通信框架与双服务实现技术} -1.双服务并行与端口隔离机制 - -CARLA仿真控制与Unreal -Engine编辑器操作在资源占用、执行时序及异常域上存在显著差异。若采用单一服务进程同时承载仿真运行时控制与引擎级编辑任务,易因编辑器UI阻塞或蓝图编译延迟导致仿真控制指令丢包或超时。系统为避免仿真控制与引擎编辑发生资源冲突问题,因此使用了HUTB -MCP Server和Unreal MCP -Server两个服务分别部署,这两个服务是互不影响的,独立启动,独立运行,同时都有自己的日志打印功能,其中HUTB -MCP服务监听在2000端口上,用于人在环下的人车仿真进行相关操作。Unreal -MCP服务占据55557端口,主要负责Unreal编辑器相关程序化操作请求,在此基础之上实现仿真与编辑并行操作,互不干扰,提升用户体验。 - -2.标准化工具封装与注册机制 - -FastMCP抱着面向工具(Tool - -Oriented)的封装理念,把人车仿真以及虚幻引擎里的全部可控功能抽象成标准工具,各个工具具备专属识别名,结构化的输入参数,规范化的返回值以及统一的异常处理格式,在服务开启的时候会自动注册并动态加载,而且支持运行期间的扩展和热插拔,不需要重新启动主服务就能增添功能模块,这样一种设计使得大模型可以以统一的形式调用车辆,无人机,天气,传感器,Actor,蓝图,UI等各种能力,极大地简化了系统的整合复杂程度。 - -\begin{figure}[H] -\centering -\includegraphics[width=12.9cm,keepaspectratio]{images/image9.png} -\caption{FastMCP双服务通信机制图} -\label{fig:fastmcp-dual-service} -\end{figure} - -在图~\ref{fig:fastmcp-dual-service}中,在用户通过指令经解析调度后,可以分别驱动CARLA自动驾驶仿真与Unreal引擎场景编辑,通过统一数据采集与Web可视化界面,形成协同控制闭环。HUTB -MCP -Server监听2000端口,专责CARLA仿真器的运行时控制,包括车辆/无人机生成、动力学调节、传感器数据采集、天气环境调控及交通流管理;Unreal -MCP Server监听55557端口,专责Unreal -Engine编辑器的程序化操作,包括Actor管理、蓝图编辑、节点图构建、UMG -UI设计及关卡配置。两服务独立启动、独立运行、独立记录日志,互不阻塞,从而在保证仿真控制实时性的同时,支持引擎编辑的复杂长时任务。 - -3.长连接通信与上下文状态同步。 - -系统依靠TCP长连接达成低延迟,高稳定的指令通信,其包含心跳保活,断线重连,超时重试,数据校验等可靠性机制,MCP服务层保留全局会话上下文,随时记录并更新仿真环境状态,涉及当前车辆位置,姿态,速度,无人机目标点,天气参数,Actor列表,光照信息,场景对象等内容,上下文不断同步,使得大模型能按照当前真实的仿真环境产生连续,合理又可行的指令序列,免除指令冲突,参数越界以及状态不一致的情况 +(此处填写本节内容。) \section{HUTB/CARLA仿真控制实现技术} -\subsection{仿真世界管理与Actor生命周期控制} +(此处填写本节内容。) -CARLA以World对象为全局调度单元,统一管理场景内所有静态实体与动态Actor的资源分配、状态更新及垃圾回收。本文基于CARLA -Python -API设计Actor全生命周期状态机,涵盖蓝图筛选、条件生成、坐标初始化、姿态设定、属性查询、状态监测、批量销毁及内存释放等阶段。 - -HUTB/CARLA把World当作核心运作单元,针对场景里所有的静态物和动态体执行统一调度,资源分配以及状态保存,仿真世界覆盖地图环境,光照系统,天气系统,交通管理模块以及全部智能体对象,形成起一个完善的虚拟交通环境。 - -系统支持按蓝图名称精确生成、按预设坐标定点生成、按随机区域分布生成及批量队列生成四种模式,并提供基于类型标签的分类管理与基于唯一ID的精确定位能力。通过显式维护Actor实例表与引用计数,在销毁阶段强制解除Python端与CARLA服务器端的句柄绑定,防止内存泄漏。该机制可快速构建大规模、多对象、高复杂度的仿真测试场景,为无人车环境感知、行为决策及运动控制算法提供稳定、可复现的仿真运行环境。 - -在系统当中,车辆,行人,障碍物,交通标志,路灯这些实体都是以Actor对象的形式存在的,每一个Actor都具备独特的编号,空间坐标,旋转角度,缩放比例,物理特性,碰撞体以及生命时限,可以经由API实施单独的操控,并执行批量的运作。 +\subsection{仿真世界管理与Actor生命周期控制} -本系统依靠CARLA Python -API达到对Actor全生命时段的控制,遵照蓝图名称实施筛选生成。按照预设坐标执行生成。依照随机区域展开生成。成批执行生成。随时设置姿态。查询属性。监测状态。动态执行销毁并释放内存等职能,该系统具备对Actor实施分类经营,条件甄别,按类型汇总以及按ID准确定位的能力,可以快速创建起大规模,多对象,高复杂度的仿真检测场景,给无人车的环境感知,行为决策以及运动控制算法赋予稳定,可重现,可拓展的仿真运行环境。 +(此处填写本节内容。) \subsection{车辆动力学控制与自动驾驶实现} -车辆动力学模块依托PhysX物理引擎构建,需模拟油门开度与加速度的非线性映射、转向比与转向迟滞、制动压力与减速度关系、悬挂行程与车身姿态、轮胎滑移率与路面摩擦系数等关键动力学特性。本文对车辆控制接口进行高度封装,对外提供车辆创建、坐标初始化、姿态设定、手动操控、自动驾驶模式切换、速度限制、灯光控制及销毁等原子操作接口。 - -在自动驾驶模式下,车辆由CARLA内置的Traffic -Manager统一调度,通过全局路径规划、车道保持、动态避障、红绿灯识别、跟车行驶及变道转弯等模块实现城市道路行驶逻辑的自动复现。该模式可直接用于无人车决策规划算法的验证与对比评估。通过将PhysX动力学仿真与Traffic -Manager自动驾驶逻辑深度融合,系统能够稳定复现各类常见行驶工况与危险场景,提升算法验证的安全性与覆盖度。 +(此处填写本节内容。) \subsection{多类型传感器数据采集与输出} -传感器系统对于无人车的感知能力十分关键,该系统可在车辆或者无人机上动态地挂载,设置并启动或者关闭各类虚拟传感器,涉及RGB相机,深度相机,激光雷达,毫米波雷达,IMU,GNSS碰撞检测器以及车道线检测器等。 - -各类传感器均能自定义分辨率,视场角,探测距离,刷新频率,安装位置以及安装角度,其数据输出格式同真实无人车硬件相契合,可输出图像数据,三维点云,目标检测框,位置坐标,角速度,加速度,航向角等信息。 - -传感器数据会按照预定频率即时反馈到MCP服务层,这些数据可被用于感知算法的验证,数据集的形成,目标检测模型的考察,环境认知以及决策系统的输入部分,经由对统一接口实施封装处理,用户不必理会底层驱动存在的差别,就能很快达成多传感器的设置并获取相关数据,大幅缩减创建仿真环境及其调试过程中的成本。 +(此处填写本节内容。) \subsection{天气与环境参数化调控} -天气与环境系统具备多参数连续可调的功能,可以精确模拟各类气象,光照以及时间因素给无人车感知和控制带来的影响,该系统允许针对云量,雨量,雾量,积水深度,湿度,灰尘浓度,光照强度,太阳高度角,时间段(早晚夜,黄昏)等参数单独或者综合执行设定。 - -系统内置多种常见天气模式以便操作方便,晴天、阴天、小雨、中雨、大雨、暴雨、大雾、傍晚、夜晚、沙尘暴等都包括,在此基础上可以自定义特殊天气组合来模拟如强降雨、低能见度、强逆光、湿滑路面等情况,以全面测试无人驾驶车辆对于各种不良条件下的鲁棒性和安全性。 - -首先,建立自然语言气象语义到参数集合的映射规则库。例如,``暴雨''对应\{precipitation: -100, fog\_density: 50, wind\_intensity: 30, cloudiness: -90\},``黄昏''对应\{sun\_altitude\_angle: 10, sun\_azimuth\_angle: 270, -cloudiness: -20\}。该映射规则库支持内置常见模式(晴天、阴天、小雨、大雾、夜晚、沙尘暴等)与用户自定义组合。 - -其次,设计基于线性插值的天气渐变过渡算法,避免环境参数瞬时跳变导致的仿真不连续。设目标天气参数为$W_{target}$,当前参数为$W_{current}$,过渡时长为T,刷新周期为$\Delta t$,则第k步的中间状态为: - -\begin{equation} -W_k=W_{current}+(W_{target}-W_{current})\times\frac{k\Delta t}{T} -\label{eq:weather-transition} -\end{equation} -其中$k$ = 1, 2, ..., $T$/$\Delta t$。本文取$\Delta t$ = 0.1 s,默认过渡时长$T$ = 2.0 -s,实现视觉与物理层面的平滑切换。 - -此外,系统建立环境参数与车辆物理特性的联动机制。例如,路面摩擦系数$\mu$随降水量$p$增加而衰减,其近似关系如式~\eqref{eq:rain-friction}所示: -\begin{equation} -\mu=\mu_0(1-0.003p) -\label{eq:rain-friction} -\end{equation} -其中$\mu_0$为干燥路面基准摩擦系数。该机制使得天气调控不仅影响视觉渲染,更直接作用于车辆动力学响应,提升了仿真环境的物理真实性。 - -系统经由对天气和环境实施参数化控制,可以形成多种化,高覆盖度的仿真场景库,从而满足无人车在不同地域,不同季节,不同气象条件下的算法验证需求,改良仿真检测的真实性和全面性。 +(此处填写本节内容。) \section{自然语言指令解析与映射实现技术} -1.意图结构化解析与要素提取 - -自然语言认识模块把用户所输入的模糊文本指令分解成操作对象,动作类型以及参数列表这三大核心要素,操作对象是车辆,动作类型包含生成和自动驾驶两个部分,其中生成对应的是创建新对象的动作,而自动驾驶则属于一种功能设置或者说是状态改变,参数方面有车型即轿车,坐标点位于(100,200,0),还有自动驾驶是否被激活这个布尔值参数,经过结构化解析之后,那些含糊不清的语言就变成了计算机能够执行下去的具体逻辑规则。 - -2.模糊参数标准化映射 - -系统建立语义-数值映射库以解决自然语言所具有的不确定性,该库可以将自然语言中的描述性词语转化为仿真能够理解的标准参数,``广场''对应预设坐标,``暴雨''则为雨量=100、能见度=50、风速=30,``自动驾驶''即使能开关=TRUE,``白天''亦为时间参数14:00等,这些参数对应关系可以使命令被直接执行。 - -3.意图---工具---API三级路由 - -系统创建起意图-工具- -API这三级路由表,从而达成从自然语言到底层调用的完整映射效果,经过分析得到的意图会自动与相应的MCP工具相契合,该工具接着去调用对应仿真或者编辑器的API来完成指令的执行,这个路由机制包含车辆,无人机,天气,传感器,场景,Actor,蓝图,UI等所有功能领域,做到了全场景下由自然语言来激发控制。 +(此处填写本节内容。) \section{模块化工具集设计与实现技术} -1.工具集统一设计规范 - -所有的功能工具都应遵循一套统一的标准,有唯一的名字,参数明确,格式一致,结果一样,异常可被捕获,日志可查询,这样可以使程序具有高内聚,低耦合性,便于后续维护、扩展及合作开发。 - -2.HUTB仿真控制工具集 - -HUTB工具集包括六种类型,即车辆控制工具、无人机飞行工具、天气环境工具、传感器管理工具、场景编辑工具和交通参与者工具,每一种工具都提供了细粒度操作接口,在整个仿真的过程中都可以进行相关操作。 - -3.Unreal编辑器控制工具集 - -Unreal工具集包含六类工具,分别是Actor管理工具,蓝图编辑工具,节点图编辑工具,UMG -UI工具,关卡设置工具以及项目设置工具,它支持编辑器全功能的远程调用。 - -4.统一日志与异常处理机制 - -系统达成全局统一的日志输出,错误码定义,异常捕捉,指令重试,状态回滚机制,各个工具若执行失败,会返回标准化的错误信息,这有益于调试和问题定位,可以加强系统的整体健壮性。 +(此处填写本节内容。) \section{轻量化部署与自动化启动技术} -1.Python虚拟环境隔离 - -系统利用Python -venv虚拟环境来达成依赖隔离,防止不同项目以及不同库版本相互冲突,这个环境具备可打包性,可迁移性,而且可以一键复原,极大地优化了部署效率。 - -2.自动化部署与一键启动 - -本文设计基于依赖拓扑排序的多进程自动编排算法,实现系统的一键化部署。部署脚本(start.bat)依次执行以下操作:检测Python环境→创建或激活虚拟环境→安装缺失依赖→检查CARLA服务端可执行文件→按用户选择启动CARLA服务器(支持DirectX11、最小配置、无头模式或跳过仿真仅启用AI对话)→启动HUTB -MCP Server→启动Unreal MCP Server→启动Web可视化服务→自动打开浏览器。 - -脚本内置错误检测与状态判断逻辑:若某一步骤失败(如端口占用、依赖安装超时、CARLA进程崩溃),立即输出标准化错误提示并终止后续步骤,防止级联故障。该方案将传统手动部署的十余个步骤压缩为单次点击,显著降低了系统的使用门槛与部署周期。代码~\ref{lst:start-script}给出了启动脚本的流程化表达。 - -\begin{lstlisting}[style=hutbcode,language=bash,basicstyle=\ttfamily\tiny,numberstyle=\tiny\color{gray},aboveskip=1pt,belowskip=1pt,framesep=1pt,lineskip=-1pt,caption={一键启动脚本流程示例},label={lst:start-script}] -@echo off -call .venv\Scripts\activate -python -m pip install -r requirements.txt -start carla_server.exe -dx11 -start python hutb_mcp_server.py -start python unreal_mcp_server.py -start python web_app.py -\end{lstlisting} - -3.外部配置文件管理 - -系统将服务端口号、CARLA安装路径、日志级别、仿真默认参数、启动选项等纳入外部配置文件(config.yaml)进行集中管理。用户无需修改源码即可调整系统行为,提升了系统的灵活性、可配置性与跨平台适配能力。配置文件采用分层结构,区分开发环境、测试环境与生产环境,支持多场景快速切换。配置文件的基本组织方式如代码~\ref{lst:config-yaml}所示。 - -\begin{lstlisting}[style=hutbcode,language=bash,basicstyle=\ttfamily\tiny,numberstyle=\tiny\color{gray},aboveskip=1pt,belowskip=1pt,framesep=1pt,lineskip=-1pt,caption={config.yaml配置结构示例},label={lst:config-yaml}] -hutb_mcp_port: 2000 -unreal_mcp_port: 55557 -carla_path: D:/CARLA -log_level: INFO -web: - host: 127.0.0.1 - port: 8000 -\end{lstlisting} +(此处填写本节内容。) diff --git a/mcp/undergraduate/content/chapter4.tex b/mcp/undergraduate/content/chapter4.tex index 3c0a380e..9b3c3480 100644 --- a/mcp/undergraduate/content/chapter4.tex +++ b/mcp/undergraduate/content/chapter4.tex @@ -2,310 +2,52 @@ \chapter{系统详细设计与实现} -\section{开发与运行环境} +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) -系统的开发,调试,检测和运行都在统一环境下执行,其软硬件设置见表~\ref{tab:dev-env}。 +\section{开发与运行环境} -\begin{table}[H] -\centering -\caption{系统开发与运行环境配置} -\label{tab:dev-env} -\begin{tabularx}{0.96\linewidth}{>{\centering\arraybackslash}p{0.24\linewidth} X} -\toprule -类别 & 详细配置 \\ -\midrule -操作系统 & Windows 10/11 64位专业版 \\ -Python版本 & 3.10.0及以上 \\ -仿真平台 & HUTB/CARLA 0.9.13 \\ -引擎平台 & Unreal Engine 4.26/5.0及以上 \\ -通信框架 & FastMCP最新稳定版 \\ -Web框架 & FastAPI + Uvicorn \\ -开发工具 & VS Code、PyCharm、Unreal Editor \\ -硬件要求 & Intel Core i7及以上,16GB内存,RTX独立显卡(6GB显存以上) \\ -\bottomrule -\end{tabularx} -\end{table} +(此处填写本节内容。) \section{系统整体框架详细设计} -本系统采取交互层-服务层-执行层的三级框架设计,各层职责明晰,接口标准化,数据流向清楚,具有高可靠性,高扩展性和高易用性,系统整体的功能框架见图~\ref{fig:function-framework}。 - -\begin{figure}[H] -\centering -\includegraphics[width=8.4cm,keepaspectratio]{images/image11.png} -\caption{系统功能框架图} -\label{fig:function-framework} -\end{figure} - -在图~\ref{fig:function-framework}中可以清晰明确,当用户通过语音、文本、Web界面或者AI助手输入相关指令时,这时自然语言解析模块识别用户语言意图并提取相关参数,由 -MCP 服务调度模块进行指令校验并路由分发,分别对接HUTB -MCP服务(控制车辆、无人机等,接入HUTB/CARLA仿真平台)与Unreal -MCP服务(操作Actor、蓝图等,对接Unreal编辑器内核);两个仿真平台的状态与数据由采集模块汇总,再经日志与结果返回模块处理,最终通过 -Web 可视化交互界面向用户反馈结果。 +(此处填写本节内容。) \section{功能模块详细设计} -\begin{figure}[H] -\centering -\includegraphics[width=0.95\linewidth,keepaspectratio]{images/image12.png} -\caption{模块结构图} -\label{fig:module-structure} -\end{figure} - -如图~\ref{fig:module-structure}所示,该系统主要包括五大功能模块:用户交互模块,MCP服务核心模块,HUTB仿真控制模块, -Unreal编辑器控制模块,部署与启动模块 - -1. 用户交互模块 - -用户交互模块是整个系统针对操作人员的统一入口,该模块承担指令输入,格式校验,历史记录查询,结果可视化显示以及系统状态监测等功能,给用户赋予简单,统一且易于操作的入口,此模块给出三种标准化交互方式。 - -Web控制台界面:提供可视化指令输入框、实时日志滚动面板、仿真状态监控区、常用功能快捷按钮,支持鼠标点选操作; - -语音输入模块:支持实时语音采集、降噪处理、语音转文本,自动生成可执行指令; - -AI助手交互具备多轮对话交互能力,可以对含糊的意图予以澄清,并自动填补缺少的参数,还能成批执行连续指令,从而加强复杂任务的操作效率。 - -\begin{figure}[H] -\centering -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.14cm,keepaspectratio]{images/image13.png} - \caption{人形机器人智能助手} - \label{fig:ai-assistant} -\end{minipage}\hfill -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.17cm,keepaspectratio]{images/image14.png} - \caption{下达连接服务器指令} - \label{fig:server-connect-command} -\end{minipage} -\end{figure} - -如图~\ref{fig:ai-assistant}所示,当启动程序时,会自动弹出人形机器人智能助手也就是AI助手来供用户下达命令,此时如图~\ref{fig:server-connect-command}下达连接服务器要求时,会立即连接Carla。 - -2. MCP服务核心模块 - -MCP服务模块属于整个系统的关键调度及逻辑处理单元,承担着指令解读,工具守护,路由分配,上下文保存以及通信维持的任务,它内部存在若干子模块; - -工具注册子模块:服务启动时自动扫描、加载并注册所有可用功能工具,形成统一工具库; - -路由调度子模块:根据识别出的用户意图,自动将指令分发到对应的功能工具与后台服务; - -上下文管理子模块:实时维护仿真场景状态、用户会话信息、历史指令记录,保证交互连续性; - -通信子模块:负责建立与管理 TCP -网络连接、数据收发、心跳保活与异常自动重连; - -日志与异常子模块负责统一记录系统运行的日志,捕捉各种异常错误,并给出标准化的提示信息。 - -3. HUTB仿真控制模块 - -HUTB仿真控制模块可达成对HUTB仿真环境全过程的程序化控制,其给予车辆,无人机,环境,传感器,场景编辑等完备的功能接口, - -天气环境子模块:负责气象参数设置、时间切换、光照强度调整、环境效果模拟; - -\begin{figure}[H] -\centering -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.97cm,keepaspectratio]{images/image15.png} - \caption{晴天天气} - \label{fig:sunny-weather} -\end{minipage}\hfill -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.90cm,keepaspectratio]{images/image16.png} - \caption{雨天天气} - \label{fig:rainy-weather} -\end{minipage} -\end{figure} - -如图所示,当连接好Calar服务器时,此时的场景天气默认为如图~\ref{fig:sunny-weather}中的晴天,如果用户想要切换天气可通过图~\ref{fig:server-connect-command}中人形机器人智能助手,下达想要切换天气的命令,便可完成切换,例如,当用户下达``天气设置为雨天''时的命令,此时场景变化为图~\ref{fig:rainy-weather}中的雨天天气,除此之外,还能将天气设置为雾天,大风等甚至能满足更多要求如改变光的照射强度等天气需求,来供用户进行车辆仿真。 - -车辆控制子模块:负责车辆自动生成、位置与姿态控制、自动驾驶开关、车辆状态实时获取; - -\begin{figure}[H] -\centering -\includegraphics[width=10.4cm,keepaspectratio]{images/image17.png} -\caption{生成车辆model3} -\label{fig:model3-vehicle} -\end{figure} - -如图~\ref{fig:model3-vehicle}所示,通过给AI下达命令``生成车辆model3''时,此时,场景中会生成车辆model3,若用户想要其他车辆,也可将model3改为a2,mustang等其他品牌的车辆,但想要清空车辆,此时只需要下达``清空场景''的命令,车辆便能清除。 - -\begin{figure}[H] -\centering -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.77cm,keepaspectratio]{images/image18.png} - \caption{车在雨中自动驾驶} - \label{fig:rain-autodrive} -\end{minipage}\hfill -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.38cm,keepaspectratio]{images/image19.png} - \caption{车辆在雾天自动驾驶} - \label{fig:fog-autodrive} -\end{minipage} -\end{figure} - -生成车辆后,用户便可以再下达,车辆``自动驾驶''时的命令,此时,车辆便会按照路线所建造来自动行驶,还能将车辆与天气系统结合起来,在自动驾驶的过程中,下达改变天气的命令,就能像图~\ref{fig:rain-autodrive}和图~\ref{fig:fog-autodrive}所示的雨天和雾天天气中行驶,当然可以变换更多用户需要的天气来观察记录车辆的行驶,此时不同天气所对车辆造成的不同情况能更还原现实生活所求。若用户需要手动驾驶车辆,也可通过外接手柄等设备,亲身体验车辆驾驶。 - -\begin{figure}[H] -\centering -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.2cm,keepaspectratio]{images/image20.png} -\end{minipage}\hfill -\begin{minipage}{0.47\linewidth} - \centering - \includegraphics[width=6.2cm,keepaspectratio]{images/image20.png} -\end{minipage} -\caption{车辆自动驾驶时状态与场景交通灯状况} -\label{fig:vehicle-status-traffic} -\end{figure} - -当用户需要了解此时此刻的场景状态时,下达``获取车辆状态'',AI助手便能快速的获取当下场景时的状态,如图~\ref{fig:vehicle-status-traffic}所示,此时车辆为model3,正在自动驾驶中,车速为28.01km/h,并获取车辆在场景中的地址,当然,以为场景为城市,交通灯也是必不可少的内容,当用户下达``获取交通灯状态''的命令时,AI助手便能实时播报场景之中5个交通灯的状态。如图~\ref{fig:fog-autodrive}所示,5个交通灯中3个为红灯,2个为绿灯。当然如果用户想要主动改变交通灯状况时,便可下达``交通灯全为红灯''或``交通灯全为绿灯''的命令,此时场景中交通状态要么车辆如图~\ref{fig:traffic-red-all}全在灯红灯,要么车辆在城市中畅通无阻。 - -\begin{figure}[H] -\centering -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image21.png} -\end{minipage}\hspace{0.9cm} -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image22.png} -\end{minipage} -\vspace{0.6em} - -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image23.png} -\end{minipage}\hspace{0.9cm} -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image24.png} -\end{minipage} -\vspace{0.6em} - -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image25.png} -\end{minipage}\hspace{0.9cm} -\begin{minipage}{0.43\linewidth}\centering -\includegraphics[width=6.2cm,keepaspectratio]{images/image26.png} -\end{minipage} -\caption{交通灯全为红灯} -\label{fig:traffic-red-all} -\end{figure} - -4.Unreal编辑器控制模 - -Unreal编辑器控制模块可对Unreal引擎执行远程程序化控制,做到对场景物体,蓝图,UI,关卡等资源的自动化编辑, - -Actor管理子模块:实现场景中物体的添加、删除、修改、查询与属性配置; - -蓝图编辑子模块:支持蓝图类创建、逻辑编辑、代码编译与文件保存; - -节点图子模块:实现蓝图节点添加、参数配置、节点连线与逻辑执行; - -UMG UI子模块:负责界面控件制作、布局排版、事件绑定与交互逻辑设置; - -关卡和项目子模块承担着地图加载,项目全局设置以及引擎底层参数设置的任务。 - -5. 部署与启动模块 - -部署与启动模块可把整个系统立即,自动化地部署到目标环境当中,不需要人工干预就能完成全过程的设置,自动环境设置,大批量安装依赖库,统一开启后台服务,多进程运作管理,收集运行日志并给出异常提示,从而做到从环境准备到系统启动的全过程自动化,极大地优化了系统的部署效率和稳定性。 +(此处填写本节内容。) \section{核心模块实现} -\subsection{HUTB MCP服务实现} - -HUTB -MCP服务属于整个仿真控制系统的关键执行部分,其需同CARLA仿真器形成稳定的关联,并给予标准化的工具接口,该服务的启动过程依照模块化,可设置,可拓展的设计理念来开展。 - -\begin{figure}[H] -\centering -\includegraphics[width=13.3cm,keepaspectratio]{images/image27.png} -\caption{HUTB MCP服务启动流程图} -\label{fig:hutb-mcp-startup} -\end{figure} +(此处填写本节内容。) -如图~\ref{fig:hutb-mcp-startup} HUTB -MCP服务启动流程图所示首先读取外部设置文件,完成端口,路径,日志级别等参数的加载,然后初始化全局日志系统。再经由TCP协议同CARLA服务器创建长连接,执行身份验证和通信握手。连接达成之后加载当下的仿真世界,地图资源,蓝图库以及交通守护者,为后续的实体控制做准备。接着自动扫描并注册全部可用的工具函数,合成统一可调用的工具列表。最后开启MCP服务,进入指令监听状态,等待外部指令下达并执行。 +\subsection{HUTB MCP服务实现} -核心代码依托FastMCP框架形成,利用装饰器把普通函数注册成可远程调用的MCP工具,做到接口标准化,参数可校验,返回值结构化,从而让外部系统可以统一调用仿真器的所有功能。 +(此处填写本节内容。) \subsection{Unreal MCP服务实现} -Unreal -MCP服务重点在于同虚幻引擎内部插件开展通信,以达成远程编辑,场景修改,蓝图调用以及资源运作等目的,该服务采取Socket长连接模式,从而与引擎插件维持即时的数据交换,保证指令传送既低延迟又高可靠,在启动期间,服务会自行执行端口绑定,线程初始化,消息队列生成等事务,之后便处于就绪状态,随时等候上层下达的编辑指令。 - -\begin{figure}[H] -\centering -\includegraphics[width=5.5cm,keepaspectratio]{images/image28.png} -\caption{Unreal MCP服务通信架构图} -\label{fig:unreal-mcp-communication} -\end{figure} - -如图~\ref{fig:unreal-mcp-communication} Unreal -MCP服务通信架构图所示:UnrealMCP服务收到编辑指令之后,会先对指令执行分析,格式转换以及合法性校验操作,接着把指令传递给虚幻引擎内部去执行,等到执行完毕,服务就能及时得到回传的结果,状态消息和日志数据,然后把这些信息封装成标准格式告知上层模块,这个服务有效地达成了对虚幻引擎的远程程序化操控,使得编辑过程更为自动化,极大地优化了场景创建,资源安排以及调试相关工作的效率。 +(此处填写本节内容。) \subsection{自然语言指令映射实现} -自然语言指令映射是提高系统智能化的重要环节,它可以把用户的口语化、模糊化的要求转化为机器可以理解的标准指令,包括语义理解、关键词提取、意图判别和参数补充等几个方面的工作,以便更好地理解自然语言,在这个过程中,模块会根据上下文对缺失或不清楚的部分进行填充以提高命令识别率。 - -\begin{figure}[H] -\centering -\includegraphics[width=5.2cm,keepaspectratio]{images/image29.png} -\caption{自然语言指令映射执行流程图} -\label{fig:nl-command-execution} -\end{figure} - -图~\ref{fig:nl-command-execution} -自然语言指令映射执行流程图,对解析后的指令自动映射到对应的功能接口上,即从自然语言到机器指令的过程,此模块降低用户操作难度,使得不懂专业知识的人也可以轻松完成复杂操作,此外,该模块支持自定义指令规则并可进行扩展,在不断改进识别率基础上使系统更符合实际情况,提高用户体验以及智能化程度。 +(此处填写本节内容。) \subsection{Web可视化界面实现} -Web可视化界面依托轻量化的Web框架而开发,给用户带来简约,直观又易于操作的执行通道,其界面布局采取分区设计,包含指令输入区,日志显示区,状态监测区以及功能控制面板,结构明晰,便于操作,用户可经由界面直接输入自然语言指令,查看即时运行日志,监测仿真状态和服务运行状况,还能执行快速启动,停止,重新开始等操作。 - -界面采取了响应式布局设计,可以适应不同大小的显示设备,在电脑,平板之类的终端上都会有不错的显示效果,而且,界面具备即时更新数据,提示异常,显示结果和给予状态反馈的功能,这样用户就能清楚地了解系统的运行状况,采用可视化界面之后,整个操作系统变得更为友好,减小了使用的困难程度,改善了工作效能并优化了用户的感受。 +(此处填写本节内容。) \section{一键部署与自动化启动实现} -\subsection{虚拟环境自动配置} +(此处填写本节内容。) -虚拟环境自动配置脚本可以实现在最短时间内搭建起一个开发环境,避免因为版本不对或者缺少依赖导致的问题,在这个脚本中它会检测Python环境然后创建相应的虚拟环境并且一次性把所有需要的依赖都安装好,整个过程不需要手动干预只需要点击开始就可以全部完成,大大降低部署难度。 +\subsection{虚拟环境自动配置} -脚本运行过程中,依次搭建虚拟环境,激活安装依赖,设置路径以及检查环境,以使所有需要的依赖正确加载,在配置成功之后,程序自动输出提示信息给用户,告知其可以进行下一步操作,该自动配置大大简化复杂的环境配置过程,提高效率并且提高了成功概率。 +(此处填写本节内容。) \subsection{一键启动脚本} -一键启动脚本是精简系统启动流程的关键工具,它能依照预先设定的顺序自动开启所有的服务,脚本会逐一启动仿真平台,MCP服务,Web界面这些重要模块,并自行完成关联,初始化以及加载的过程,用户只要轻轻点击一下这个脚本,就可以做到全部的启动动作,不需要自己动手一步步来做。 - -脚本有错误检测以及状态判断,在某一部分运行失败的情况下,它会弹出相应的提示并且停止后面的步骤以避免错误进一步扩大,一按即用使得整个程序更加简便易上手,尤其是对于一些不懂技术的朋友来说,大大提升了用户体验度。start.bat会自动执行以下操作:检查或者新建虚拟环境,检查或者安装CARLA模块,询问是否启动CARLA服务器,启动Web界面,打开浏览器。 - -\begin{figure}[H] -\centering -\includegraphics[width=8.6cm,keepaspectratio]{images/image30.png} -\caption{一键启动界面} -\label{fig:one-click-start} -\end{figure} - -如图~\ref{fig:one-click-start}所示,当点击``start''后,将会弹出页面,给予用户4中不同选项: - -选项1:DirectX11(推荐)适合大多数电脑 - -选项2:最小配置 适合低端电脑或显存不足 - -选项3:无头模式 不显示窗口,最省资源 - -选项4:跳CARLA只使用 AI 对话功能 - -用户可以根据自身PC的配置情况,选择不同的运行方式,更加适配电脑。 - - +(此处填写本节内容。) \section{系统运行流程} -整个系统的流程是相当高的自动化水平,在它自启到命令执行的过程中是一个闭合回路,在用户点击运行脚本后,程序就自行进行环境检测、服务初始化、连接建立等工作,随后就处于可以使用的状态,而当用户在网页上输入一条命令之后,这条命令需要被解析、验证、分发等操作,最后才到达对应的功能模块中被执行。 - -执行完成后,系统会马上把结果返回到界面上,展示日志以及状态等,这一步无需人为干预,十分简单方便而且响应迅速。自动化的运行流程降低了使用难度的同时提高了任务完成的质量与效率,使整个系统更加安全、可靠、易用。 - -完整流程:首先将文件解压缩后配置好环境,点击start将会弹出图~\ref{fig:one-click-start}的界面,此时用户根据自己电脑配置与需求选择好对应选项。便能同时启动AI人工智能管理系统以及CARLA地图界面如图~\ref{fig:ai-assistant}所示。这时候,用户便可以输入自己的需求给AI,AI便能自动连接好CARLA服务器并等待用户下一步需求。 +(此处填写本节内容。) diff --git a/mcp/undergraduate/content/chapter5.tex b/mcp/undergraduate/content/chapter5.tex index b19cf008..065ddcd7 100644 --- a/mcp/undergraduate/content/chapter5.tex +++ b/mcp/undergraduate/content/chapter5.tex @@ -2,72 +2,24 @@ \chapter{系统实验测试与性能评估} -为全面验证基于FastMCP的人车仿真器交互控制系统的功能正确性、运行稳定性及实际应用价值,本章在标准实验环境下设计并实施多组测试实验。测试内容涵盖自然语言指令解析的准确率与响应延迟、核心仿真功能的执行正确率、与传统GUI/代码交互方式的效率对比,以及系统在长时间运行与高并发场景下的稳定性表现。通过定量化的实验数据与横向对比分析,验证系统在降低操作门槛、提升交互效率及保障仿真可靠性方面的实际效果。 - -为验证本文所设计的基于FastMCP的人车仿真器交互控制系统在实际应用中的有效性、稳定性与实用性,本章围绕指导老师提出的四个关键问题展开系统性实验测试:自然语言指令解析准确性的定量评估;系统性能与现有GUI交互方案的横向对比;场景设置灵活性与参数覆盖度验证;FastMCP框架与CARLA仿真引擎的长期稳定性与兼容性测试。 +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) \section{自然语言指令解析准确性测试} -为定量评估自然语言理解模块的性能,本实验构建了包含600条指令的测试数据集,涵盖车辆控制、天气设置、场景编辑、传感器配置、交通控制及综合指令六大类别。测试指标采用信息检索领域标准的准确率(Accuracy)、召回率(Recall)及F1分数(F1-Score),同时记录平均解析时间以评估实时性。 - -\begin{figure}[H] -\centering -\includegraphics[width=13.4cm,keepaspectratio]{images/image31.png} -\caption{自然语言指令解析性能评估结果} -\label{fig:nlp-performance} -\end{figure} - -如图~\ref{fig:nlp-performance}实验结果表明,系统在天气设置类指令上表现最优,准确率达到98.5\%,这得益于天气参数语义映射规则库的高完备性;综合指令类因涉及多意图组合与参数嵌套,准确率相对较低(91.4\%),但仍在可接受范围内。整体平均F1分数为94.8\%,平均解析时间为41ms,满足实时交互需求($<100$ ms)。 +(此处填写本节内容。) \section{歧义处理机制效果验证} -本实验对比了引入上下文补全与同义词扩展机制前后的解析效果。测试选取五类典型歧义场景:同义词歧义(如"加速"与"提速")、参数缺失(如"生成一辆车"未指定位置)、多意图混合(如"生成车辆并设置雨天")、模糊位置(如"停在广场附近")及复杂嵌套(如"在十字路口生成三辆车并让它们自动驾驶同时把天气改为大雾")。 - -\begin{figure}[H] -\centering -\includegraphics[width=13.3cm,keepaspectratio]{images/image32.png} -\caption{歧义指令处理机制效果评估} -\label{fig:ambiguity-test} -\end{figure} - -如图~\ref{fig:ambiguity-test}所示引入歧义处理机制后,各类歧义指令的解析准确率平均提升22.3个百分点。其中,模糊位置类指令提升最为显著(从68.5\%提升至93.8\%,提升25.3\%),这主要归因于预设坐标库与上下文位置记忆机制的协同作用;复杂嵌套类指令虽然提升幅度最大(37.2\%),但绝对准确率仍有提升空间(82.4\%),后续可通过增强多轮对话澄清能力进一步优化 +(此处填写本节内容。) \section{系统性能横向对比实验} -为验证FastMCP自然语言交互方式相较传统交互模式的效率优势,本实验设计了与两种现有方案的横向对比:(1)传统GUI操作方式:测试人员通过CARLA官方可视化界面手动完成相同任务;(2)代码API调用方式:测试人员编写Python脚本调用CARLA原生API完成任务。每种方式均由5名具有不同经验水平的测试人员(2名专家、3名普通用户)各执行10次,取平均时间。 - -\begin{figure}[H] -\centering -\includegraphics[width=0.95\linewidth,keepaspectratio]{images/image33.png} -\caption{不同交互方式操作效率对比图} -\label{fig:efficiency-comparison} -\end{figure} - -实验数据显示如图~\ref{fig:efficiency-comparison},FastMCP自然语言交互方式在所有测试场景中均显著优于传统GUI操作(平均效率提升8.5倍)和代码API调用(平均效率提升4.4倍)。随着任务复杂度增加,FastMCP的优势更加明显:在多车场景构建任务中,GUI操作需要依次点击菜单、选择蓝图、设置坐标、调整姿态等多个步骤,耗时45.2秒;而FastMCP仅需一句"在坐标(100,200,0)生成三辆model3并启用自动驾驶"即可完成,耗时仅4.5秒。这一结果充分验证了自然语言交互在降低操作门槛、提升复杂任务执行效率方面的显著价值。 +(此处填写本节内容。) \section{响应延迟与并发性能测试} -为评估系统在高负载下的性能表现,本实验使用自动化脚本模拟不同并发级别的指令请求,测试指标包括平均响应延迟与指令执行成功率。 - -\begin{figure}[H] -\centering -\includegraphics[width=13.1cm,keepaspectratio]{images/image34.png} -\caption{系统并发性能测试结果} -\label{fig:concurrency-performance} -\end{figure} - -试结果表明,在单指令模式下系统响应延迟为45ms,远低于用户可感知的100ms阈值;在10并发以下场景,系统仍能保持低于100ms的P95延迟与接近100\%的成功率;当并发量达到50时,延迟增至180ms,成功率降至92.8\%,此时系统仍处于可用状态;100并发时延迟显著上升至320ms,成功率降至85.3\%,表明系统在高并发极端场景下存在性能瓶颈。根据MCP协议性能基准测试的行业参考数据,本地环境下MCP平均响应时间可控制在50ms以内,P95延迟低于100ms,本系统在低并发场景下达到该标准,但在高并发场景需进一步优化连接池与消息批处理机制。 +(此处填写本节内容。) \section{长期稳定性与兼容性测试} -为验证FastMCP框架与CARLA仿真引擎的长期稳定性,本实验进行了24小时不间断运行测试。测试期间系统持续执行循环指令序列(车辆生成→自动驾驶→天气切换→传感器数据采集→场景销毁),每2小时记录一次关键性能指标 - -\begin{figure}[H] -\centering -\includegraphics[width=12.1cm,keepaspectratio]{images/image35.png} -\caption{24小时连续运行稳定性测试数据} -\label{fig:stability-test} -\end{figure} - -如图~\ref{fig:stability-test}实验结果表明,系统在24小时连续运行期间未出现崩溃、死锁或连接中断等严重故障,验证了FastMCP长连接通信机制的可靠性。但性能指标呈现渐进式衰减趋势:内存占用从450MB增长至500MB,累计增长11.1\%,分析表明主要由Python对象引用未完全释放及CARLA -Actor句柄缓存累积导致;仿真帧率从32.5FPS下降至25.8FPS,下降20.6\%,这与场景内累积的Actor对象增加及物理计算负载加重有关;响应延迟从45ms增至78ms,但仍低于100ms。 +(此处填写本节内容。) diff --git a/mcp/undergraduate/content/chapter6.tex b/mcp/undergraduate/content/chapter6.tex index 125896fb..98df9032 100644 --- a/mcp/undergraduate/content/chapter6.tex +++ b/mcp/undergraduate/content/chapter6.tex @@ -2,19 +2,12 @@ \chapter{总结与展望} -\section{总结} - -本文就依靠FastMCP的人车仿真器交互控制系统开展设计与达成,把自然语言交互,轻量化部署,标准化接口当作核心目标,创建起一套适合自动驾驶仿真和虚拟场景编辑的完备系统,在研究期间,把MCP协议当作通信核心,连通了大模型,人车仿真器和虚幻引擎之间的数据链路,达成了从语音,文本指令到仿真执行的全过程闭合控制,系统整体采取分层架构设计,包含用户交互层,MCP服务层和仿真执行层,各个模块解耦分明,接口统一,有着较好的可守护性和扩展性。 +(本章为模板骨架,提交前删除本段并按研究内容填写正文。) -系统具备诸多关键功能,其涉及车辆及无人机的动态控制,天气与环境参数化调节,多传感器数据采集,Unreal场景与蓝图程序化编辑,自然语言指令解析映射以及轻量化一键部署等方面,经由模块化工具封装并设计标准化接口之后,用户无需编写代码就能达成仿真场景创建,无人车控制,环境编辑等复杂操作,极大地减小了自动驾驶仿真平台的使用难度,从检测结果来看,该系统运行稳定,指令响应快速,场景适配性良好,可以满足教学,科研以及算法验证等多种场景的需求。 +\section{总结} -本文章把FastMCP协议同人车仿真融合,给自动驾驶仿真带来轻量化,智能化,低代码的新方案,该系统既改善了仿真操作的便捷性和效率,又为依靠自然语言的智能仿真交互赋予可复用的设计想法和工程操作方法,对于相关领域的研究和应用具备一定的参考意义。 +(此处填写本节内容。) \section{展望} -本系统已具备核心功能并完成验证,不过由于时间及软硬件条件所限,仍存有改进与拓展之处,日后可围绕功能加强,性能改善,场景扩充等方面加以完善,从而让系统变得更为实用,通用。其一,可以进一步充实仿真场景库和模型资源,增添更多车型,无人机种类,行人模型以及交通设施等,以此来优化场景的真实感与丰富程度,进而满足更为复杂的人车交互仿真需求。 - -可以利用多模态交互能力,并结合语音合成,手势识别,视觉反馈等技术来达成更为自然流畅的人机交互效果,而且,要改良指令分析以及意图识别相关的算法,从而加强系统对于模糊指令,复杂长指令以及多轮对话的应对能力,使得该系统更好地符合实际应用情况,还可以增添仿真数据的记录,回放,分析以及报表生成这些功能,给算法验证赋予定量评价方面的支撑。 - -\enlargethispage{3\baselineskip} -在系统架构上,将来能够达成分布式部署,做到多用户共同在线协作编辑及仿真,加强并发处理能力,可以将系统同数字孪生,实景建模技术相融合,做到虚实交融仿真,从而进一步优化检测结果的可靠性,还可以把系统移植到嵌入式平台或者边缘计算设备当中,做到轻量化,便携式的部署,拓展其在实验室,教学实训,户外展示等更多场景中的应用可能性。 +(此处填写本节内容。) From 9b4a3ed89532b8389c5b31669e9e1a8a8b63fe0b Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sun, 15 Nov 2026 15:04:37 +0800 Subject: [PATCH 4/6] =?UTF-8?q?=E8=87=B4=E8=B0=A2=E3=80=81=E5=A3=B0?= =?UTF-8?q?=E6=98=8E=E3=80=81=E6=8E=88=E6=9D=83=E4=B9=A6=E6=94=B9=E4=B8=BA?= =?UTF-8?q?=E5=8D=A0=E4=BD=8D=EF=BC=8C=E7=A7=BB=E9=99=A4=E5=BE=80=E5=B1=8A?= =?UTF-8?q?=E7=AD=BE=E5=90=8D=E5=9B=BE=E4=B8=8E=E6=97=A5=E6=9C=9F?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../content/acknowledgements.tex | 12 +- mcp/undergraduate/content/authorization.tex | 6 +- mcp/undergraduate/content/declarationzh.tex | 6 +- mcp/undergraduate/content/references.tex | 146 +----------------- 4 files changed, 11 insertions(+), 159 deletions(-) diff --git a/mcp/undergraduate/content/acknowledgements.tex b/mcp/undergraduate/content/acknowledgements.tex index fab73a45..374c955b 100644 --- a/mcp/undergraduate/content/acknowledgements.tex +++ b/mcp/undergraduate/content/acknowledgements.tex @@ -4,14 +4,4 @@ \chapter*{致谢} \addcontentsline{toc}{chapter}{致谢} -本科四年学习时光接近尾声,回望这段充实又宝贵的学习历程,从选题开始,经过研究过程直至论文完成并不断修正,每一步成长都需感谢那些给予关心,援助和鼓舞的师长,同窗以及亲友。 - -我由衷地感谢我的指导老师,从论文整体框架的创建,技术路线的确认开始,一直到细节的修正和逻辑的完善,老师都给我以细致入微的指导。老师治学严谨,专业素养深厚,科研务实,这些都令我收获颇丰,当课题陷入困境的时候,老师总会及时点拨思路,指引方向,从而促使我不断冲破瓶颈,最终完成研究,这份教诲与关怀我会永远记在心里。 - -感激学院所有的授课老师,在大学四年的学习期间,他们给我构筑了稳固的专业基础,课堂上传授知识,应用时分享经验,这些不但优化了我的专业能力,而且塑造了我独自思考以及解决难题的素养,为当前的课题研究和以后的学习工作形成了牢靠的根基。 - -感激那些一同学习,携手同行的同学们,在项目调试,论文探讨以及日常交流的时候,我们互相勉励,彼此扶持,一起战胜了很多困难。大家营造出积极的学习环境,表现出真挚的互助态度,使得这条研究道路充满了温情和力量。 - -我要由衷地感谢我的家人,他们是我最可靠的依靠,一直给我无条件的领悟,信任和支持,不管遭遇怎样的压力和考验,家人的陪伴和鼓舞都会让我做到专心致志,稳步向前。 - -毕业在望,前方道路既漫长又灿烂,我会带着这些收获并心怀感激之情,踏踏实实地走在将来的路上,不断向前迈进,怀着更为高涨的热情去应对新的考验,尽力成长为一个富有理想,具备能力而且勇于承担责任的新时代青年,不会辜负所有关心我的人以及他们的期望。 +(此处填写致谢:可感谢指导教师、授课教师、同学与家人,内容由作者本人撰写,请勿照搬他人稿件。) diff --git a/mcp/undergraduate/content/authorization.tex b/mcp/undergraduate/content/authorization.tex index 95c3cd35..09fe9b96 100644 --- a/mcp/undergraduate/content/authorization.tex +++ b/mcp/undergraduate/content/authorization.tex @@ -2,10 +2,10 @@ \chapter*{湖南工商大学本科毕业论文(设计)\protect\\版权使用授权书} -本毕业论文(设计)《基于FastMCP的人车仿真器交互控制系统》是本人在校期间所完成学业的组成部分,是在学校教师的指导下完成的。因此,本人特授权学校可将本毕业论文(设计)的全部或部分内容编入有关书籍、数据库保存,可采用复制、印刷、网页制作等方式将论文(设计)文本和经过编辑、批注等处理的论文(设计)文本提供给读者查阅、参考,可向有关学术部门和国家有关教育主管部门呈送复印件和电子文档。本毕业论文(设计)无论做何种处理,必须尊重本人的著作权,署明本人姓名。 +本毕业论文(设计)《在此填写论文题目》是本人在校期间所完成学业的组成部分,是在学校教师的指导下完成的。因此,本人特授权学校可将本毕业论文(设计)的全部或部分内容编入有关书籍、数据库保存,可采用复制、印刷、网页制作等方式将论文(设计)文本和经过编辑、批注等处理的论文(设计)文本提供给读者查阅、参考,可向有关学术部门和国家有关教育主管部门呈送复印件和电子文档。本毕业论文(设计)无论做何种处理,必须尊重本人的著作权,署明本人姓名。 \vspace{80pt} -\noindent 论文作者(签字):\includegraphics[width=2.6cm]{images/image2.jpeg}\hfill 时间:2026年5月25日 +\noindent 论文作者(签字):\underline{\hspace{4cm}}\hfill 时间:\underline{\hspace{3cm}} \vspace{50pt} -\noindent 指导教师已阅(签字):\includegraphics[width=3.0cm]{images/image3.jpeg}\hfill 时间:2026年5月25日 +\noindent 指导教师已阅(签字):\underline{\hspace{4cm}}\hfill 时间:\underline{\hspace{3cm}} diff --git a/mcp/undergraduate/content/declarationzh.tex b/mcp/undergraduate/content/declarationzh.tex index 570ffd6c..ba286f87 100644 --- a/mcp/undergraduate/content/declarationzh.tex +++ b/mcp/undergraduate/content/declarationzh.tex @@ -2,12 +2,12 @@ \begin{declarationzh} -本人郑重声明:所呈交的本科毕业论文(设计)《基于FastMCP的人车仿真器交互控制系统》是本人在指导老师的指导下,独立进行研究工作所取得的成果,成果不存在知识产权争议,除文中已经注明引用的内容外,本论文(设计)不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 +本人郑重声明:所呈交的本科毕业论文(设计)《在此填写论文题目》是本人在指导老师的指导下,独立进行研究工作所取得的成果,成果不存在知识产权争议,除文中已经注明引用的内容外,本论文(设计)不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 \vspace{30pt} \begin{flushright} -作者签名:\includegraphics[width=2.8cm]{images/image2.jpeg}\qquad\par -日\qquad 期:2026年5月25日\qquad +作者签名:\underline{\hspace{4cm}}\qquad\par +日\qquad 期:\underline{\hspace{4cm}}\qquad \end{flushright} \end{declarationzh} diff --git a/mcp/undergraduate/content/references.tex b/mcp/undergraduate/content/references.tex index ea4bc8ce..c314fbef 100644 --- a/mcp/undergraduate/content/references.tex +++ b/mcp/undergraduate/content/references.tex @@ -1,5 +1,8 @@ %!TEX root = ../hutbthesis_main.tex +% 参考文献采用手工编号方式,不使用 biber;正文用 \myrefcite{序号} 引用。 +% 提交前按学校著录格式(GB/T 7714)替换为本人真实文献,示例条目仅供格式参考。 + \clearpage \chapter*{参考文献} \addcontentsline{toc}{chapter}{参考文献} @@ -12,147 +15,6 @@ \chapter*{参考文献} \def\labelenumi{[\arabic{enumi}]} \item \phantomsection\label{bib:1} - 吴泰邦.支持无人车测试的交通仿真后端服务系统的设计与实现{[}D{]}.浙江大学,2020.DOI:10.\allowbreak{}27461/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}gzjdx.\allowbreak{}2020.\allowbreak{}000607.\allowbreak{} -\item - \phantomsection\label{bib:2} - 丁俊锋.面向自主驾驶场景的无人车高效导航方法研究{[}D{]}.山东大学,2024.DOI:10.\allowbreak{}27272/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}gshdu.\allowbreak{}2024.\allowbreak{}005276.\allowbreak{} -\item - \phantomsection\label{bib:3} - 胡馨宁.无信号路段过街场景人车交互行为分析与仿真建模研究{[}D{]}.吉林大学,2025.DOI:10.\allowbreak{}27162/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}gjlin.\allowbreak{}2025.\allowbreak{}004829.\allowbreak{} -\item - \phantomsection\label{bib:4} - 谢璞光,王富强,郑海申.一种新型的人车交互的实现方法{[}J{]}.汽车电器,2025,(01):4-6.DOI:10.\allowbreak{}13273/\allowbreak{}j.\allowbreak{}cnki.\allowbreak{}qcdq.\allowbreak{}2025.\allowbreak{}01.\allowbreak{}002.\allowbreak{} -\item - \phantomsection\label{bib:5} - 曹哲.基于人车交互的自动驾驶车辆交叉口右转行为决策模型{[}D{]}.哈尔滨工业大学,2025.DOI:10.\allowbreak{}27061/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}ghgdu.\allowbreak{}2025.\allowbreak{}003644.\allowbreak{} -\item - \phantomsection\label{bib:6} - 赵彬越.自动驾驶车辆混合交通流条件下无信控路段人车交互仿真研究{[}D{]}.东南大学,2024.DOI:10.\allowbreak{}27014/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}gdnau.\allowbreak{}2024.\allowbreak{}005048.\allowbreak{} -\item - \phantomsection\label{bib:7} - 刘君丽.面向自动驾驶的数字孪生信息交互系统研究{[}D{]}.上海海洋大学,2024.DOI:10.\allowbreak{}27314/\allowbreak{}d.\allowbreak{}cnki.\allowbreak{}gsscu.\allowbreak{}2024.\allowbreak{}001126.\allowbreak{} -\item - \phantomsection\label{bib:8} - 李嘉然,毕跃起.基于数字孪生的无轨胶轮车运动仿真和人机交互系统设计{[}J{]}.煤矿安全,2026,57(02):220-230.DOI:10.\allowbreak{}13347/\allowbreak{}j.\allowbreak{}cnki.\allowbreak{}mkaq.\allowbreak{}20250349.\allowbreak{} -\item - \phantomsection\label{bib:9} - 徐婷婷,龙羿,胡晓锐,等. ``车 - 路 - - 网''耦合下含多类型充电桩协同的充电站规划 {[}J{]}. 电力建设,2025 (7). -\item - \phantomsection\label{bib:10} - 李良星,向祖涛等人撰写的《面向铅冷快堆主泵数字孪生的多输入PINN代理模型》{[}J{]}一文发表于《Atomic - Energy Science \& - Technology》2025年第59卷第5期,其DOI号为10.7538/yzk.2024.youxian.0917。 -\item - \phantomsection\label{bib:11} - 黄嘉旻,邵建文,骆蕾,等.面向功能型无人车的自动驾驶仿真场景库设计{[}J/OL{]}.公路与汽运,1-10{[}2026-04-19{]}.https:\allowbreak{}/\allowbreak{}/\allowbreak{}link.\allowbreak{}cnki.\allowbreak{}net/\allowbreak{}urlid/\allowbreak{}43.\allowbreak{}1362.\allowbreak{}U.\allowbreak{}20251218.\allowbreak{}1050.\allowbreak{}002.\allowbreak{} -\item - \phantomsection\label{bib:12} - 张志杰,陆丽丽,蒋嘉璇,等.基于人车交互机理的自动驾驶汽车多模态外显界面研究{[}J{]}.包装工程,2025,46(10):160-168.DOI:10.\allowbreak{}19554/\allowbreak{}j.\allowbreak{}cnki.\allowbreak{}1001-\allowbreak{}3563.\allowbreak{}2025.\allowbreak{}10.\allowbreak{}016.\allowbreak{} -\item - \phantomsection\label{bib:13} - Zhang D, Fu Q, Wu W, et al. Performance analysis of multi-UAV-assisted - backscatter communication system{[}J{]}. EURASIP Journal on Advances - in Signal Processing, 2025, 2025(1). DOI:10.\allowbreak{}1186/\allowbreak{}s13634-\allowbreak{}025-\allowbreak{}01235-\allowbreak{} -\item - \phantomsection\label{bib:14} - Bowles J R, Caroline H, Ashe H L, et al. Scalable inference of - transcriptional kinetic parameters from MS2 time series data{[}J{]}. - Bioinformatics, 2021. DOI:10.\allowbreak{}1093/\allowbreak{}bioinformatics/\allowbreak{}btab765 -\item - \phantomsection\label{bib:15} - Bauer-Fasching B, Bernhard K, Brndli E, et al. New ACV variables - discovered in the Zwicky Transient Facility survey{[}J{]}. Astronomy - \& Astrophysics, 2024, 687. DOI:10.\allowbreak{}1051/\allowbreak{}0004-\allowbreak{}6361/\allowbreak{}202347476 -\item - \phantomsection\label{bib:16} - Yang L ,Dane G ,Feng T , et al.Decoding the influencing factors of - pedestrian-automated vehicle interaction in shared spaces: A - multi-level path analysis approach.{[}J{]}.Accident; analysis and - prevention,2026,231108481.DOI:10.\allowbreak{}1016/\allowbreak{}J.\allowbreak{}AAP.\allowbreak{}2026.\allowbreak{}108481.\allowbreak{} -\item - \phantomsection\label{bib:17} - Li H ,Zhao B ,Zhang Z , et al.Modeling pedestrian-vehicle interactions - at unsignalized mid-block crosswalk under automated vehicle mixed - traffic flow conditions: An agent-based approach{[}J{]}.Journal of - Traffic and Transportation Engineering (English - Edition),2026,13(1):205-228.DOI:10.\allowbreak{}1016/\allowbreak{}J.\allowbreak{}JTTE.\allowbreak{}2024.\allowbreak{}05.\allowbreak{}005.\allowbreak{} -\item - \phantomsection\label{bib:18} - Muduli K ,Ghosh I .Predicting Pedestrian--Vehicle Interaction Severity - in Mixed Traffic Conditions: Feature-Based Long Short-Term Memory - Neural Network Approach{[}J{]}.Transportation Research - Record,2026,2680(2):313-333.DOI:10.\allowbreak{}1177/\allowbreak{}03611981251364829.\allowbreak{} -\item - \phantomsection\label{bib:19} - Maleki M, Majlesinasab N, Sinha A K. An efficient model for the - multiple allocation hub maximal covering problem{[}J{]}. Optimization - Methods and Software, 2023, 38(5): 1009-1030. - DOI:10.\allowbreak{}1080/\allowbreak{}10556788.\allowbreak{}2023.\allowbreak{}2196726 -\item - \phantomsection\label{bib:20} - Nyemann J S, Balling P, Yukihara E G. Recombination lifetimes of - LiF:Mg,Cu,P for pulsed optically stimulated luminescence{[}J{]}. - Journal of Luminescence, 2021, 234: 117924. - DOI:10.\allowbreak{}1016/\allowbreak{}j.\allowbreak{}jlumin.\allowbreak{}2021.\allowbreak{}117924 -\item - \phantomsection\label{bib:21} - Pathak R, Kumar A, Palfrey H A, et al. Prolonged effects of DPP-4 - inhibitors on steato-hepatitic changes in Sprague--Dawley rats fed a - high-cholesterol diet{[}J{]}. Inflammation Research, 2022, 71(5): - 711-722. DOI:10.\allowbreak{}1007/\allowbreak{}s00011-\allowbreak{}022-\allowbreak{}01572-\allowbreak{}4 -\item - \phantomsection\label{bib:22} - Wu Q, Ma L, Peng S, et al. PMT waveform timing analysis using machine - learning method{[}J{]}. IEEE Transactions on Nuclear Science, 2023, - 70(6): 1178-1182. DOI:10.\allowbreak{}1109/\allowbreak{}TNS.\allowbreak{}2023.\allowbreak{}3242650 -\item - \phantomsection\label{bib:23} - LuX ,GongY ,ZhangH , et al.An Intelligent Cockpit Tailored Carpet for - Human-Vehicle Interaction Enhancement and Driving Intention - Recognition{[}J{]}.Advanced Functional - Materials,2024,34(40):2405321-2405321.DOI:10.\allowbreak{}1002/\allowbreak{}ADFM.\allowbreak{}202405321.\allowbreak{} -\item - \phantomsection\label{bib:24} - Ma L S, Qian S, Chen P, et al. How to improve the performance of fast - timing detector{[}J{]}. IEEE Transactions on Nuclear Science, 2021. - DOI:10.\allowbreak{}1109/\allowbreak{}TNS.\allowbreak{}2021.\allowbreak{}3084239 -\item - \phantomsection\label{bib:25} - {]}Fang F, Zhao Q, Chu H, et al. Molecular dynamics - simulation-assisted ionic liquid screening for deep coverage proteome - analysis{[}J{]}. Molecular \& Cellular Proteomics, 2020. - DOI:10.\allowbreak{}1074/\allowbreak{}mcp.\allowbreak{}TIR119.\allowbreak{}001827 -\item - \phantomsection\label{bib:26} - Yan Z , Li J , Zhang H ,et al.Direct Detection of Natural-Abundance - Low-$\\gamma$ Nuclei NMR Signals of Minute Quantities of Organic - Solids\textbackslash{[}J\textbackslash{]}.Analytical Chemistry, 2025, - 97(13): 7242-7250.DOI:10.\allowbreak{}1021/\allowbreak{}acs.\allowbreak{}analchem.\allowbreak{}4c06887.\allowbreak{} -\item - \phantomsection\label{bib:27} - Lee D , Kwon S I .Implementation of a FPGA-Based Time-to-Digital - Converter Utilizing Opposite-Transition Propagation and Virtual Bin - Method\textbackslash{[}J\textbackslash{]}.IEEE Transactions on - Radiation and Plasma Medical Sciences, 2025, - 9(2):148-156.DOI:10.\allowbreak{}1109/\allowbreak{}TRPMS.\allowbreak{}2024.\allowbreak{}3457618.\allowbreak{} -\item - \phantomsection\label{bib:28} - Van Dam H G W .A Multimodal GUI Architecture for Interfacing with - LLM-Based Conversational - Assistants\textbackslash{[}J\textbackslash{]}. 2025 -\item - \phantomsection\label{bib:29} - Planton Y Y ,Vialard, Jérme, Guilyardi E ,et al.The Asymmetric - Influence of Ocean Heat Content on ENSO Predictability in the CNRM-CM5 - Coupled General Circulation - Model\textbackslash{[}J\textbackslash{]}.Journal of Climate, 2021, - 34(14).DOI:10.\allowbreak{}1175/\allowbreak{}JCLI-\allowbreak{}D-\allowbreak{}20-\allowbreak{}0633.\allowbreak{}1.\allowbreak{} -\item - \phantomsection\label{bib:30} - Lishuang M A , Qian S , Chen P ,et al.How to Improve the Performance - of Fast Timing Detector\textbackslash{[}J\textbackslash{]}.IEEE - Transactions on Nuclear Science, 2021, - PP(99):1-1.DOI:10.\allowbreak{}1109/\allowbreak{}TNS.\allowbreak{}2021.\allowbreak{}3084239.\allowbreak{} + 示例作者.示例文献标题{[}J{]}.示例期刊,2020,1(1):1-10.DOI:10.0000/example. \end{enumerate} \endgroup From c5ccc6dc0f2bc4ce573ca4bc8c8102b4ec364627 Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sun, 15 Nov 2026 18:45:44 +0800 Subject: [PATCH 5/6] =?UTF-8?q?CI=20=E5=A2=9E=E5=8A=A0=20mcp=20=E6=A8=A1?= =?UTF-8?q?=E5=9D=97=20LaTeX=20=E7=BC=96=E8=AF=91=E6=AD=A5=E9=AA=A4?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .github/workflows/CICID.yml | 17 +++++++++++++++++ 1 file changed, 17 insertions(+) diff --git a/.github/workflows/CICID.yml b/.github/workflows/CICID.yml index 7046475a..5267681c 100644 --- a/.github/workflows/CICID.yml +++ b/.github/workflows/CICID.yml @@ -233,3 +233,20 @@ jobs: path: | enhance/undergraduate/hutbthesis_main.pdf + # 基于MCP的人车仿真交互控制系统论文的 action + - name: Compile MCP LaTeX document + uses: xu-cheng/latex-action@v3 + with: + working_directory: mcp/undergraduate + root_file: hutbthesis_main.tex + texlive_version: 2023 + latexmk_use_xelatex: true + pre_compile: | + apk add msttcorefonts-installer fontconfig + update-ms-fonts + fc-cache -f + - uses: actions/upload-artifact@v4 + with: + name: mcp + path: | + mcp/undergraduate/hutbthesis_main.pdf From 264575e71b159ede2bfcedac8b09478791136fe7 Mon Sep 17 00:00:00 2001 From: gjh <2748130352@qq.com> Date: Sun, 15 Nov 2026 19:27:44 +0800 Subject: [PATCH 6/6] =?UTF-8?q?=E8=BF=98=E5=8E=9F=20CICID.yml=EF=BC=8C?= =?UTF-8?q?=E7=A7=BB=E9=99=A4=E6=96=87=E4=BB=B6=E5=86=B2=E7=AA=81?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .github/workflows/CICID.yml | 12 +++++++----- 1 file changed, 7 insertions(+), 5 deletions(-) diff --git a/.github/workflows/CICID.yml b/.github/workflows/CICID.yml index 5267681c..2b0e3ed9 100644 --- a/.github/workflows/CICID.yml +++ b/.github/workflows/CICID.yml @@ -233,20 +233,22 @@ jobs: path: | enhance/undergraduate/hutbthesis_main.pdf - # 基于MCP的人车仿真交互控制系统论文的 action - - name: Compile MCP LaTeX document + # 触发基于水下工作环境的传感器与通信链路仿真系统论文的 action + - name: Compile Comm LaTeX document uses: xu-cheng/latex-action@v3 with: - working_directory: mcp/undergraduate + working_directory: comm/undergraduate root_file: hutbthesis_main.tex texlive_version: 2023 latexmk_use_xelatex: true + # 下载安装Times New Roman字体 pre_compile: | apk add msttcorefonts-installer fontconfig update-ms-fonts fc-cache -f - uses: actions/upload-artifact@v4 with: - name: mcp + name: comm path: | - mcp/undergraduate/hutbthesis_main.pdf + comm/undergraduate/hutbthesis_main.pdf +