自动驾驶——预期功能安全（Safety of The Intended Functionality，SOTIF）

于 2024-05-27 07:30:00 发布
阅读量1.9k 收藏 15
点赞数 25
分类专栏： 自动驾驶 文章标签： 自动驾驶 安全 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43156294/article/details/139074156
版权

在这里插入图片描述
预期功能安全（Safety of The Intended Functionality，SOTIF）是针对自动驾驶车辆的一个安全概念，它主要关注的是车辆在正常运行时可能出现的安全问题，这些问题可能源于设计不足或性能局限，而非系统失效。SOTIF的核心目标是确保自动驾驶系统在面对各种复杂和未知的驾驶环境时，能够安全地运行，避免因功能不足或误用导致的不合理风险。
SOTIF的研究背景主要是随着自动驾驶技术的发展，传统的以质量保障为中心的车辆安全体系已不足以满足自动驾驶车辆的安全需求。因此，需要建立一套新的安全评判准则体系，指导自动驾驶车辆的设计开发和测试评价工作。

一、SOTIF的关键活动

  1. 规范定义和设计：在SOTIF活动的开始，需要明确车辆的功能和系统规范，这可能包括对已知功能不足的识别和设计更新。
  2. 危害的识别与评估：需要对可能的危害事件进行识别，并评估其风险，确定是否可接受。
  3. 功能修改以降低风险：基于风险评估的结果，对车辆的功能进行必要的修改，以减少SOTIF风险。
  4. 验证和确认策略的定义：制定验证和确认策略，确保整车层面的残余风险符合可接受水平，并且系统满足其功能要求。
  5. 已知和未知场景的验证࿱
最低0.47元/天 解锁文章
博客
深度学习在医学图像分析中的应用
04-28 381
医学成像技术如X光片、CT扫描、MRI（磁共振成像）、超声成像等，能够生成人体内部结构和生理状态的图像，这些图像对于疾病的诊断、治疗方案的制定以及病情的监测至关重要。然而，传统上医学图像的解读主要依赖专业医生手动进行，这一过程存在诸多局限性。首先，手动解读医学图像耗时费力，在面对大量患者的图像时，医生的工作负担沉重，效率低下。其次，医生的主观因素会对图像解读结果产生影响，不同医生对同一图像可能存在不同的判断，导致诊断结果的准确性和一致性难以保证。
博客
深度学习神经网络架构（ResNet）
04-28 392
ResNet是一种深度学习神经网络架构，在图像识别等领域有着广泛的应用和重要的地位。随着神经网络深度的增加，会出现梯度消失、退化问题等。梯度消失会导致模型难以训练，而退化问题则表现为随着网络层数的增加，模型的准确率反而下降。ResNet的提出就是为了解决这些问题，使得训练极深的神经网络成为可能。早期，随着神经网络层数的逐步增加，研究人员原本期待模型能够学习到更复杂、更抽象的特征，从而提升性能。然而，实际情况却事与愿违，网络出现了梯度消失、退化等棘手问题。
博客
在线视频理解的高效卷积网络（ECO）
04-27 909
在深度学习飞速发展的时代，在线视频理解的高效卷积网络（ECO，即Efficient Convolutional Network for Online Video Understanding）脱颖而出，为视频理解领域带来了创新突破。它由Mohammadreza Zolfaghari、Kamaljeet Singh和Thomas Brox在2018年欧洲计算机视觉会议（ECCV）上提出，目的是解决当时视频理解领域面临的关键难题。当时，视频理解领域存在两大突出问题。
博客
向量数据库在物联网设备管理中的应用
04-27 627
在万物互联的时代浪潮下，物联网（IoT）技术正以前所未有的速度蓬勃发展。从智能工厂的自动化设备，到城市中星罗棋布的传感器，再到千家万户的智能家居产品，全球连接到互联网的智能设备数量呈指数级增长。这些设备不仅持续不断地收集海量数据，还通过网络实现交互与控制，构建起一个庞大而复杂的数据生态系统。据统计，全球物联网设备产生的数据量预计在未来几年将达到ZB级别。然而，数据规模的爆炸式增长也带来了严峻挑战：如何高效存储、快速检索并深度分析这些高维度、多模态、实时性强的数据，成为了物联网技术持续发展亟待突破的瓶颈。
博客
传统数据库与新兴向量数据库的对比分析
04-26 762
在信息技术飞速发展的当下，数据正以前所未有的速度产生和积累。据统计，全球每天产生的数据量已达数万亿字节，企业与组织对数据存储和处理的需求也日益增长。从早期基于结构化查询语言（SQL）的关系型数据库，到如今专为处理高维数据而生的向量数据库，不同类型的数据库技术在多样化的应用场景中应运而生。传统数据库巨头如 Oracle、MySQL 等，凭借多年的技术积累和成熟的生态体系，在众多领域占据主导地位；
博客
解锁数据潜力的自监督学习技术
04-26 1525
在当今的人工智能领域，数据是驱动模型发展的核心动力。然而，获取大规模的标注数据往往面临着成本高、耗时长等诸多挑战。有监督学习虽然在许多任务中取得了显著成果，但严重依赖人工标注的数据，这在一定程度上限制了其应用范围。自监督学习作为一种无监督学习方法，为解决这一问题提供了新的思路。它巧妙地利用数据本身的信息，通过设计各种自监督任务，让模型从大量未标注的数据中自动学习到有价值的特征表示，从而减少对大规模标注数据的依赖，提高模型的泛化能力。
博客
MPP架构数据库的关键技术与创新点
04-25 1450
MPP 架构采用 “无共享（Shared Nothing）” 设计理念，每个节点都拥有独立的 CPU、内存、存储系统和操作系统，节点间通过高速网络（如 InfiniBand 或 100G 以太网）进行通信。当执行复杂查询任务时，MPP 数据库将主任务拆分为多个子任务，每个子任务被分配至不同节点并行处理，最终将各节点的处理结果汇总返回。这种分布式处理模式打破了单机系统的性能天花板，使数据库处理能力与节点数量呈线性增长关系。
博客
向量数据库在推荐系统中的应用与实践
04-25 640
个性化推荐系统目前已然成为互联网产品提升用户体验、增加用户粘性的核心竞争力。传统的推荐算法，如协同过滤、基于内容的推荐算法等，在互联网发展初期为用户提供了一定程度的个性化服务，帮助用户从繁杂的信息中快速找到感兴趣的内容。然而，随着用户数量的不断攀升、商品种类的日益丰富，以及用户需求的愈发多样化，这些传统算法在处理大规模高维数据时逐渐暴露出局限性，难以满足用户日益增长的个性化需求。近年来，向量数据库作为一种新型的数据存储和处理技术，凭借其在处理大规模高维数据方面的卓越性能，为推荐系统的发展带来了新的契机。
博客
向量数据库核心索引技术FLAT、HNSW、IVF深度解析
04-24 1126
随着大数据和人工智能技术的发展，处理大规模高维数据成为了一个重要课题。向量数据库作为一种专门用于存储和检索高维向量数据的系统，在图像识别、自然语言处理等多个领域展现出了巨大的潜力。为了提高向量搜索的速度与准确性，研究人员开发了多种高效的索引结构。本文将深入探讨三种广泛使用的向量数据库索引技术：FLAT（Flat Index）、HNSW（Hierarchical Navigable Small World Graphs）以及IVF（Inverted File Index），并分析它们各自的特点及适用场景。
博客
仿生眼技术的发展
04-24 821
视觉障碍一直是困扰很多人的难题，随着科技发展，人们一直在找治疗的办法，仿生眼技术就是其中很受关注的新方法。仿生眼模仿生物神经系统工作，不仅能帮盲人恢复部分视觉，还能用在机器人上，让机器人感知环境的能力比传统视觉技术和激光雷达更强。不过，现在仿生眼技术还不能大规模使用，主要是因为量产工艺不成熟、芯片贵，而且没有统一的数据标注标准。
博客
MPP架构数据库与AI融合的探索与实践
04-24 864
IDC 预测，到 2025 年全球数据总量将达 175ZB，如此庞大的数据规模对企业的数据存储与处理能力提出了前所未有的挑战。传统单机数据库在面对 PB 级数据时，无论是查询响应速度还是系统扩展性都显得力不从心，而大规模并行处理（Massively Parallel Processing, MPP）架构数据库凭借其独特优势，成为企业处理海量数据的核心工具。与此同时，人工智能（Artificial Intelligence, AI）技术的蓬勃发展，如机器学习、深度学习等，为数据分析开辟了新的路径。
博客
机器视觉在工业自动化中的全方位应用与案例分析
04-23 848
（一）定义机器视觉，本质上是一门融合计算机科学、光学、电子学、图像处理等多学科知识的综合性技术。它借助计算机及其配套软件系统，对图像信息进行深度处理与分析，进而获取所需数据。整个技术体系涵盖图像采集、预处理、特征提取、模式识别等多个紧密相连的环节。通过这些环节的协同运作，机器视觉系统能够将现实世界中的目标物体或场景，转化为计算机可处理的数字信息，并从中提取有价值的数据，为后续的决策和控制提供依据。（二）工作原理。
博客
视频理解模型（CogVLM2）
04-23 1509
CogVLM2 - Video是清华大学研究团队公布的新型视频理解模型。该模型通过在输入视频帧时加入时间戳，更精准地捕捉每帧画面所对应的时间点，增强了在时间定位和关键时刻识别方面的能力，在开放域问答中的表现超越同类产品，还具备处理时间感知问答的功能。同时，研究团队设计了自动化数据生成流程，降低了高质量视频问答和时间定位数据的标注成本。视频理解模型（CogVLM2）作为前沿的多模态人工智能系统，是人工智能领域在视频处理方向的重要突破。
博客
数据签名如何重塑数字时代的信任体系
04-22 2026
从日常的网络购物、移动支付，到企业间复杂的云端数据协作、跨国数字贸易，数字技术让世界变得紧密相连且高效便捷。然而，这一繁荣背后隐藏着巨大的安全隐患：黑客攻击导致数据泄露、虚假身份引发网络诈骗、交易信息篡改造成经济损失等问题频繁出现。在这样的背景下，信息安全已成为制约数字生态健康发展的关键瓶颈，尤其是敏感信息保护与交易双方信任的建立，成为亟待突破的核心难题。
博客
小目标检测的优化
04-22 1136
在当今数字化时代，安防监控、卫星图像分析等领域的应用日益广泛，而小目标检测作为其中的关键技术，始终面临着严峻挑战。以安防监控场景为例，在城市街道的监控画面中，远处的行人、车辆等小目标，以及卫星图像中微小的建筑、植被变化等，其检测精度直接关系到公共安全、灾害预警等重要功能的实现。然而，由于小目标在图像中像素占比少、特征不明显，传统的物体检测方法如同 “大海捞针”，难以取得理想效果。
博客
图像风格迁移算法（Neural Style Transfer）
04-21 973
图像风格迁移算法（Neural Style Transfer）是一种基于深度学习的算法，将一幅图像的风格迁移到另一幅图像上，同时保留原始图像的内容，从而创造出具有独特艺术风格的新图像。Leon A. Gatys、Alexander S. Ecker和Matthias Bethge在2015年发表了“A neural algorithm of artistic style”论文，提出了神经风格迁移算法。
博客
视频生成对抗网络（Video GAN）
04-21 702
Video GAN 是一种专门为生成连续视频帧序列而精心设计的特殊生成对抗网络架构。它主要由生成器和判别器这两大关键部分构成。生成器犹如一位富有创造力的艺术家，其主要职责是从随机噪声或者特定条件出发，精心构建出逼真的视频片段。它如同一个充满无限可能的创意源泉，在给定的输入条件下，通过复杂的神经网络运算，将抽象的信息转化为一帧帧鲜活的视频画面。判别器的任务是仔细甄别这些合成视频与真实世界中的视频样本。
博客
如何利用深度学习进行交通流量预测与疏导
04-20 731
传统的交通管理方法，诸如固定的信号灯配时方案、基于经验的警力部署等，在面对现代城市如此复杂多变的交通状况时，已然显得捉襟见肘，难以满足高效交通管理的需求。在此背景下，准确的交通流量预测便成为了破解交通拥堵难题的关键一环，对于交通管理和疏导具有举足轻重的意义。深度学习算法宛如一把神奇的钥匙，能够深入挖掘历史交通流量数据、天气数据、事件数据等海量信息背后隐藏的规律。
博客
云原生边缘计算框架（KubeEdge）
04-20 924
KubeEdge是面向边缘计算场景、专为边云协同设计的云原生边缘计算框架。它在 Kubernetes 原生的容器编排调度能力之上，实现了边云之间的应用协同、资源协同、数据协同和设备协同等能力，完整打通了边缘计算中云、边、设备协同的场景。于 2020 年 9 月晋级为 CNCF 孵化级别的托管项目，具有广泛的应用前景和活跃的社区支持。2024年9月11日，KubeEdge从孵化阶段毕业，标志着其在云原生边缘计算领域得到了广泛认可和成熟发展。
博客
数据签名在区块链中的独特应用与挑战
04-19 1651
随着信息技术的飞速发展，分布式系统因其高效、可靠、可扩展等显著优点，在众多领域得到了极为广泛的应用。分布式系统通过网络将多个独立的计算节点连接在一起，协同完成复杂的任务，这种架构使得系统具备了强大的容错能力和负载均衡能力。据相关数据显示，在过去的五年中，分布式系统在企业级应用中的占比逐年攀升，从最初的 30% 增长至如今的超过 70%，已然成为现代信息基础设施的重要组成部分。区块链作为近年来异军突起的一种新型分布式账本技术，自诞生以来便在金融、供应链管理、医疗、政务等多个领域展现出了巨大的潜力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值