A segurança operacional de veículos autônomos (VAs) enfrenta grandes desafios sob o emergente paradigma de P&D conduzido por modelos de IA, onde a segurança da IA deve abraçar o impacto de cenários críticos, complexos e aleatórios. Múltiplas medidas foram propostas para avaliação e garantia de segurança, sendo necessário desenvolver uma estratégia abrangente para abordar tarefas de condução específicas sob diferentes condições de condução. Este estudo apresenta uma visão comparativa das medidas de garantia de segurança de ponta, com base em métricas de avaliação de segurança. As métricas de avaliação de segurança são categorizadas em quatro grupos, ou seja, criticidade do cenário, complexidade da situação, consistência da cena e envelope de manuseio de segurança do veículo. Com base nessa percepção de risco incorporada, os VAs podem adotar diferentes medidas para garantir a segurança em diferentes estágios de evolução do risco. Três medidas típicas de segurança operacional, ou seja, comportamentos de segurança proativos, resposta de segurança reativa e operação evasiva de emergência, são aplicadas para filtrar riscos de maneira hierárquica. Um design de arquitetura em nível de sistema para a garantia de segurança de VAs impulsionados por IA é apresentado, no qual uma unidade de monitoramento de segurança dedicada é projetada para capturar as métricas de avaliação de segurança. a arquitetura do sistema também é compatível com sistemas ADS de ponta a ponta para expandir a fronteira do ODD de segurança, e os riscos operacionais são filtrados por meio da validação e inibição hierárquicas. Conclusões e pesquisas futuras também são destacadas. A visão comparativa espera ajudar na prevenção de acidentes de veículos autônomos.
Zhang et al. (Sun,) estudaram essa questão.