返回资讯中心
外部精选
软件工程
#开发者实时流

端到端AI正在改变ADAS决策方式,安全性成为关键问题

来源标题:Safety in the Age of Hands-Free Driving

端到端AI让ADAS不再依赖多个独立软件模块,而是直接从数据中整体学习驾驶行为。但车企在采用前必须回答:车辆遇到不熟悉场景时如何处理、如何保证安全运行并维持驾驶员信任。架构可以变,但安全要求不变,端到端AI只是整体安全架构的一部分,不能替代传统安全系统。

Hacker News 最新ohjeez2026/11/17 · 今天12 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

端到端 AI 正在改变 ADAS 做出驾驶决策的方式。这类系统不再依赖一系列相互独立、各司其职的软件模块,而是直接从数据中整体学习驾驶行为。

为了确保乘客安全,考虑采用端到端 AI 的主机厂必须回答几个重要问题:当车辆遇到不熟悉的情况时会发生什么?开发者如何确保安全运行并维持驾驶者的信心?有哪些保障措施、训练方法和人因设计,能够帮助 AI 赋能的 ADAS 保持安全?

先厘清一个基本前提:架构可以改变,但对车辆安全运行的期望不会改变。汽车行业看重的是结果,而不是技术栈。

无论系统采用的是端到端 AI、一套规则,还是多种方法的组合,它都必须证明自己能够安全、稳定地运行。系统必须通过大量测试、验证以及对既定安全要求的符合性,来展示其安全行为。

一个常见的误解是,驾驶模型取代了传统安全系统。事实并非如此。端到端 AI 是整体安全架构的一部分,但不是唯一的部分。自动紧急制动等功能以及其他监督性控制等额外安全机制,提供了相互独立的保护层,并可在必要时介入。无论方向盘后是人还是 AI,同一套安全体系都适用。

安全是通过“学习到的驾驶行为”与“独立安全功能”的结合来实现的——后者监控系统表现,并在必要时介入。

开发者通过让端到端 AI 系统接触各种驾驶场景的数据来训练它们。最大的挑战在于为异常路况、罕见行为、各国之间的差异、独特的驾驶文化,以及可能百万英里才出现一次的边缘场景做好准备。这正是数据质量和多样性变得至关重要的地方。

当端到端 AI 系统遇到此前未曾面对过的情形时,它会将新情况与已经学到的类似情形关联起来。对评估结果的置信度是一个关键因素。如果置信度低于既定阈值,系统可能会退出,请求驾驶者介入,而不是继续在其已验证能力之外运行。

找到合适的平衡至关重要。如果阈值过于保守,系统就会过于频繁地退出。如果阈值过于宽松,ADAS 可能在本不该保持激活时仍然激活。界定这些阈值,是构建安全且可用系统的重要一环。

冗余在端到端 AI 中与传统 ADAS 中同样重要。客户期望在传感器失效或被遮挡时车辆仍然安全,因此使用相互重叠的传感器覆盖和多种传感模态非常重要。例如,如果一个摄像头被污垢或碎屑遮挡,车辆应继续利用其他摄像头和雷达的信息运行。

随着自动化等级提高,冗余要求也会变化。在 Level 2+(双手离开、目光注视)及更低等级的系统中,驾驶者在任何时候都对车辆运行负责。驾驶辅助功能可以支持转向、制动和加速,但驾驶者必须持续观察周围环境,并随时准备在必要时立即介入。一旦出现问题,驾驶者可以接管。在 Level 3 及更高等级,这一假设在特定条件下不再成立。系统不能再依赖人来兜底,这意味着在传感、计算和其他关键系统上需要更高的冗余。

端到端 AI 带来了开发驾驶辅助系统的新方式,但它既没有改变行业对安全的期望,也没有降低对冗余的需求。无论车辆依赖传统软件还是学习到的模型,开发者都需要相互重叠的传感器和传感模态、降级备用机制以及独立的安全功能。架构可以改变,但检测故障、在降级条件下运行、以及在出问题时保持安全运行的需求不会改变。

请告诉我们这篇文章对您有多大帮助,以便我们为您提供尽可能最好的内容。如果您有更多反馈,欢迎随时联系我们。 谢谢! 塑造出行的未来。加入我们的团队,帮助打造更安全、更环保、更互联的车辆。 了解下一步动向,获取最新动态。 别担心。我们不会塞满您的收件箱,也不会分享您的电子邮箱。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →