智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
智能控制
机器人
仪器仪表
物联网
3D打印
工业软件
回放
品牌
施耐德/SCHNEIDER
7月16日，Uber发布了业界个“安全案例”，这是一个开发无人驾驶车辆的通用安全框架，该框架涵盖了自动驾驶系统测试以及功能安全等在内的多个安全环节，通过折叠框架图的形式展现出Uber在车辆安全测试上的细节。
目前，世界各地的监管机构，技术开发人员和行业标准制定机构已经开展了一系列的方法来保证自动驾驶车辆安全。然而，无人驾驶技术的复杂性和整个行业所使用的开发方法各异，导致目前仍没有一个标准或测试帮助公众了解企业如何解决车辆的安全问题。
在安全方面碰过壁的Uber，近两年一直希望在无人车安全方面重拾公众的信任。去年，他们发布了自愿安全自我评估，提出了五个安全原则：精通(Proficient)、失效安全(Fail-Safe)、不断更新(Continuously Improving)、弹性(Resilient)、值得信赖(Trustworthy)。
围绕这五项原则，7月16日，Uber自称发布了业界个“ 安全案例 ”，这是一个开发安全无人驾驶车辆的通用框架，该框架涵盖了自动驾驶系统测试以及功能安全等在内的折叠步骤图，点击可以看到Uber在车辆安全测试上的步骤及细节。
Proficient是指车辆在没有硬件和软件故障的情况下可以保证足够的安全，这需要无人车在开发过程、车辆运营测试过程、操作过程以及法律约束等方面有足够的安全性。在开发过程中，首先要设计好车辆具备的功能以及操作域，然后在系统、硬件、软件、功能安全、质量设计上建立工程生产标准，并进一步测试组合单元、子系统和整个系统的功能。在任务专家对车辆真实道路下测试，车辆逐渐实现了精通。
除了要证明车辆在正常状态下的安全性，还要保证在遇到故障后系统也能做出小风险的处理，这就是Fail-Safe。通过设计冗余和故障检测系统，可以减轻车辆的安全风险，同时也要进行足够多的容错系统的数据训练，不断改进(Continuously Improving)任何可能影响自动驾驶车辆安全的异常情况，并通过适当修正和采取预防措施，评估和解决车辆的安全问题。在一些合理可预见的误用以及不可避免的事件情况下，自动驾驶可采取弹性(Resilient)安全性方式，终开发出值得信任的车辆。
Uber发布的这份安全框架，不止局限于硬件、软件、测试、模拟、或人工训练等独立的模块，而是一个更大的安全决策树，可以非常直观地看到在开发自动驾驶汽车时所要考虑的安全问题，Uber呼吁行业内人士积极参与评价该安全框架，希望在更多人的完善下终成为行业标准。
浙公网安备 33010602000006号
智能制造网APP
智能制造网小程序
微信公众号
