技术
“技术能力”栏目力争向读者介绍行业内的基础性技术知识及新兴关键性和富有竞争性的专业技术，也欢迎广大技术专家不吝赐稿。
【汽车安全】采用基于位置的机器学习模型确保L5级自动驾驶汽车安全
在本文中，我们提出并讨论了基于位置的机器学习模型方法，以实现SAE 5级驾驶自动化的自动驾驶车辆的安全部署。我们讨论了与在不同地点运营的车队中部署同一组机器学习模型相比的优缺点。
【汽车安全】自动驾驶汽车机器学习安全解决方案
在本文中，我们回顾并整理了实用的机器学习安全技术，这些技术可以补充自动驾驶汽车中基于机器学习的软件的工程安全性。我们还讨论自动驾驶汽车中机器学习组件的安全限制和用户体验。
【汽车芯片】为AI时代重新架构SoC
本文将定义人工智能，描述其应用和问题，以及设计人员如何通过新的SoC和片上网络(NoC)设计方法来解决这些问题。还描述了在符合ISO 26262功能安全要求的汽车SoC中实现AI功能的挑战。
神经网络的ISO 26262功能安全论证方法
在本文中，我们针对NN安全论证的两种方法提出了一种统一的方法：将人类可解释的概念分配给NN的内部表示，以实现模块化和形式验证。在最小示例中演示了所需概念嵌入分析的可行性，并研究了泛化的重要方面。
使用基于模型的方法来评估汽车嵌入式软件的安全性
本文探讨了在安全关键型汽车嵌入式软件背景下使用基于模型的安全方法。我们提出了一种方法建议，即依赖于软件架构模型来构建专用的安全模型，并可以从该模型中自动导出安全分析。该方法在案例中进行了实验。
基于模型的汽车网络安全风险分析建模
本文重点介绍如何用基于模型的方法为风险评估阶段提供有效和高效的支持。并提出了丰富的目标导向的元模型，以捕捉汽车资产和系统属性，估计破坏场景的影响，识别威胁并评估其可行性。该方法作为概念验证来实现，通过元模型适配一个通用的协同工程平台，并在车灯控制子系统上进行了展示。
当汽车功能安全遇上机器学习，ISO 26262 该如何改编？
本文旨在进一步了 ML 以及现阶段的相关应用。为研究新的 ML 和汽车安全的结构组成，在本文中，对两位功能安全和汽车软件工程领域的专家进行了采访。引言如今，机器学习（ML）凭借其在不同领域的泛化能力，已经得到广泛地应用。在汽车行业，基于 ML 的高级驾驶员辅助系统和自动驾驶为机动车操作提供了更多可能
从虚拟到现实，ADAS系统测试评价技术(二)：自动泊车系统评价
本文介绍了利用现有的SiVIC/RTMaps互联平台开发控制应用程序的方法。具有代表性的应用是：以泊车为例进行的低速路径规划。回 顾上一篇我们介绍了联合仿真平台【从虚拟到现实，ADAS系统测试评价技术(一)：联合仿真平台搭建】，在本篇中，我们将以一个平行侧方停车工况下的低速自动化实例来详细说明路径规
从虚拟到现实，ADAS系统测试评价技术(一)：联合仿真平台搭建
本文介绍了利用现有的SiVIC/RTMaps互联平台开发控制应用程序的方法。具有代表性的应用是：以泊车为例进行的低速路径规划。简 介在过去的十几年中，人们对ADAS进行了大量的研究。大多数ADAS需要在大规模部署之前进行测试和评估。
利用模型预测控制技术开发ADAS仿真测试台架
使用Matlab / Simulink工具箱来运行一些高级驾驶辅助系统（ADAS）测试台架。回 顾ADAS的测试工作量大，消耗资源，是产品开发过程中的难点，笔者在尝试使用Matlab / Simulink工具箱来运行一些高级驾驶辅助系统（ADAS）测试台架。
详细解读斯坦福大学最新成果——自动驾驶的神经网络模型
在适当的模型下，一个简单的前馈反馈控制器可以在车辆摩擦能力极限下提供路径跟踪性能，其摩擦利用率可与有经验的人类赛车手相媲美。简介首先，研究人员让一辆2009年奥迪TTS在基于物理的自动系统控制下加速，该系统预装了相关条件的固定信息。
-
共1页 11条
