自动驾驶汽车商用,需要重视算法安全规制
在汽车电动化、网联化、智能化发展趋势下,由于汽车自动驾驶技术的快速发展,汽车产业正日益逼近一场根本性的变革。然而,近年来自动驾驶汽车的安全挑战日益凸显,相关事故在一定程度上削弱了社会公众对自动驾驶汽车的信心和信任。为有效应对自动驾驶算法带来的安全挑战,需要构建一个统一的自动驾驶算法安全框架,推动自动驾驶汽车从研发测试阶段加快转向商业化应用阶段。
自动驾驶算法安全问题的主要表现
我国当前的自动驾驶汽车立法主要侧重在道路测试、示范应用、汽车数据安全这几个方面,尚未针对以人工智能算法为核心的自动驾驶系统形成一个完整统一的安全监管框架。未来立法需要重点回应三个方面的问题。
第一,一般性技术安全是最主要、最相关的变量。与受制于一套既定监管框架(涵盖安全标准、检测认证、产品审批等事项)的传统汽车和受到驾照与责任机制约束的人类驾驶员相比,自动驾驶系统的安全标准尚待建立,所以自动驾驶汽车还不能像传统汽车那样证明其安全性与合规性。因此在现阶段,最核心的问题乃是确立自动驾驶系统的安全门槛、安全标准、检测认证方法、审批机制等要求。
一个关键问题是,自动驾驶系统的安全性需要达到何种程度,政策制定者和监管者才可以允许自动驾驶汽车的商业化部署。社会大众对技术的偏见可能导致可接受的安全门槛被不恰当地抬高。例如,认为自动驾驶汽车需要达到足以实现零事故的绝对安全水平。在笔者看来,自动驾驶算法的安全门槛不应是基于绝对目标(例如零事故、零伤亡)的自动驾驶水平,而应以一般人类驾驶水平为衡量之基准,来确定科学合理的安全门槛。例如,2022年8月英国发布的自动驾驶政策文件《互联和自动出行2025:在英国释放自动驾驶汽车的效益》明确提出了自动驾驶汽车的安全门槛,即自动驾驶汽车应当达到与“胜任且谨慎的人类司机”(Competent and Careful Human driver)同等水平的安全性,这一标准高于一般人类司机。
第二,网络安全挑战。网络安全作为影响自动驾驶汽车发展应用的关键性因素,与之相关的风险与威胁将成为自动驾驶汽车最复杂、最难解决的威胁。整体而言,自动驾驶汽车的网络安全挑战主要呈现以下特征:
一是自动驾驶汽车比传统汽车更容易遭受网络安全风险。自动驾驶汽车是“车轮上的机器人”,除了需要面对传统意义上的网络安全风险,还将面对自动驾驶算法所带来的全新的网络安全挑战、风险和威胁。
二是自动驾驶汽车的网络安全风险来源主体更加多元化,在生产制造、运营、维修、智能基础设施、保险、监管等多个环节,不同主体对自动驾驶汽车的访问或控制,都可能带来网络风险。
三是自动驾驶汽车面临的网络入侵方式更加多样化。例如,黑客可以针对软件漏洞发起攻击,可以通过连接恶意设备对自动驾驶汽车发起物理攻击,也可以攻击智能道路基础设施等自动驾驶汽车生态系统的组成部分。
此外,就攻击效果而言,黑客可以采取多种类型的攻击,包括失效攻击、操作攻击、数据操纵攻击、数据窃取等,这些攻击的影响可大可小,不容小觑。四是自动驾驶汽车的网络安全风险同时呈现广度和深度特征,带来全方位、多层次的危害后果。在广度上,自动驾驶汽车的软件和硬件漏洞可能是广泛的,这意味着网络攻击会被放大;在深度上,自动驾驶汽车被入侵、控制后可能造成不同层次的不利后果,包括人员伤亡、财产损害、数据窃取等。
第三,伦理安全挑战。自动驾驶算法的最首要的伦理安全问题是,在面对不可避免的事故(Unavoidable Accident)时,算法该如何抉择并行动?尤其是在面对两难处境(即道德困境)时该如何抉择?是选择最小化人员伤亡,还是不惜代价地保护车乘人员,即使这可能意味着选择牺牲行人等其他道路参与者?自动驾驶汽车道德困境的可能性,让技术与伦理之间的互动成为不可回避的问题,即如何将复杂的人类道德编程到自动驾驶算法的设计当中去。对于这个问题,社会各界尚未形成共识。
构建自动驾驶汽车的算法安全框架
为了确保实现《智能汽车创新发展战略》提出的“到2025年,中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。实现有条件自动驾驶的智能汽车达到规模化生产,实现高度自动驾驶的智能汽车在特定环境下市场化应用”的目标,需要加快修订、革新针对传统汽车和人类司机的立法和监管框架,为自动驾驶汽车融入现行道路交通体系建立新的法律制度和监管框架。其中的一个核心层面是,构建以自动驾驶算法为核心的安全监管框架,需要涵盖技术安全标准与审批认证、网络安全认证、伦理风险管理三大维度。
第一,建立新的自动驾驶系统安全标准和认证机制。国家亟须为自动驾驶汽车建立新的、统一的安全标准,从传统上以汽车硬件和人类司机为核心的安全标准,转向以自动驾驶算法为核心的安全标准,这意味着允许创新性的汽车设计——无需驾驶舱、方向盘、脚踏板、后视镜的自动驾驶汽车。此外,为了更加准确可靠地评估、验证自动驾驶系统的安全性,将来立法和政策需要为自动驾驶系统设定科学合理的安全门槛与基准,可以考虑要求自动驾驶汽车至少达到与“胜任且谨慎的人类司机”同等水平的安全性,并确立一套基于道路驾驶技术水平的科学合理的检测方法。
第二,需要为自动驾驶汽车建立新的网络安全框架。政策制定者需要考虑融入传统的网络安全原则,从整体上保障自动驾驶汽车的网络安全。一是建立自动驾驶汽车的网络安全认证机制,只有通过网络安全认证的自动驾驶汽车才允许销售、使用。而且该机制需要延伸到软硬件供应链。二是需要明确自动驾驶汽车的网络安全防护能力和要求,包括技术措施和非技术措施。三是需要在行业与政府之间实现B2B、B2G、G2B等形式的数据共享,尤其是安全事故、网络安全、自动驾驶系统脱离等安全事件相关的数据。建立事故数据报告与分享机制,对于提升整个自动驾驶行业的发展水平意义重大。
第三,建立自动驾驶算法等伦理风险管理机制。一方面,需要明确的政府监管给自动驾驶算法设计中的伦理选择设定标准,以确保自动驾驶算法在伦理上符合一般的社会公共利益,并在公众的接受度和道德要求之间实现某种平衡。另一方面,自动驾驶汽车企业需要加强汽车自动驾驶技术的科技伦理治理,积极履行科技伦理管理主体责任,坚守科技伦理底线,针对汽车自动驾驶技术开展科技伦理风险评估审查、建立科技伦理风险监测预警机制、强化科技人员的伦理培训等。例如,英国的监管者提出建立“自动驾驶汽车伦理与安全委员会”(Committee on AV Ethics and Safety),以更好支持自动驾驶汽车的治理。
总结而言,自动驾驶汽车的广泛部署和使用,是实现其诸多正向效益的必要条件。而其广泛部署和使用的必要条件则是建立合适的安全框架,加快实现自动驾驶汽车从测试到商用的飞跃。但任何合理的法律政策都不能对公众的接受度视而不见。换句话说,自动驾驶汽车要想成为最优选的交通方式,就必须考虑其使用者和社会整体的预期,这些预期包括使用者的满意和安全以及信任、责任、透明等设计价值。
对自动驾驶汽车的安全规制也必须考虑这些预期,甚至去调和其中的过高预期。基于这些考虑,本文创新性地提出了一个全新的自动驾驶算法安全监管框架,来应对自动驾驶汽车迈向商业化应用之前必须直面的算法安全挑战。从长远来看,自动驾驶汽车的商用只是未来交通法治的起点,而非终点,汽车设计、交通法规、责任承担、保险赔偿、驾驶习惯等一系列变革将纷至沓来。
以上是自动驾驶汽车商用,需要重视算法安全规制的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

写在前面&笔者的个人理解三维Gaussiansplatting(3DGS)是近年来在显式辐射场和计算机图形学领域出现的一种变革性技术。这种创新方法的特点是使用了数百万个3D高斯,这与神经辐射场(NeRF)方法有很大的不同,后者主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3DGS凭借其明确的场景表示和可微分的渲染算法,不仅保证了实时渲染能力,而且引入了前所未有的控制和场景编辑水平。这将3DGS定位为下一代3D重建和表示的潜在游戏规则改变者。为此我们首次系统地概述了3DGS领域的最新发展和关

昨天面试被问到了是否做过长尾相关的问题,所以就想着简单总结一下。自动驾驶长尾问题是指自动驾驶汽车中的边缘情况,即发生概率较低的可能场景。感知的长尾问题是当前限制单车智能自动驾驶车辆运行设计域的主要原因之一。自动驾驶的底层架构和大部分技术问题已经被解决,剩下的5%的长尾问题,逐渐成了制约自动驾驶发展的关键。这些问题包括各种零碎的场景、极端的情况和无法预测的人类行为。自动驾驶中的边缘场景"长尾"是指自动驾驶汽车(AV)中的边缘情况,边缘情况是发生概率较低的可能场景。这些罕见的事件

0.写在前面&&个人理解自动驾驶系统依赖于先进的感知、决策和控制技术,通过使用各种传感器(如相机、激光雷达、雷达等)来感知周围环境,并利用算法和模型进行实时分析和决策。这使得车辆能够识别道路标志、检测和跟踪其他车辆、预测行人行为等,从而安全地操作和适应复杂的交通环境.这项技术目前引起了广泛的关注,并认为是未来交通领域的重要发展领域之一。但是,让自动驾驶变得困难的是弄清楚如何让汽车了解周围发生的事情。这需要自动驾驶系统中的三维物体检测算法可以准确地感知和描述周围环境中的物体,包括它们的位置、

轨迹预测在自动驾驶中承担着重要的角色,自动驾驶轨迹预测是指通过分析车辆行驶过程中的各种数据,预测车辆未来的行驶轨迹。作为自动驾驶的核心模块,轨迹预测的质量对于下游的规划控制至关重要。轨迹预测任务技术栈丰富,需要熟悉自动驾驶动/静态感知、高精地图、车道线、神经网络架构(CNN&GNN&Transformer)技能等,入门难度很大!很多粉丝期望能够尽快上手轨迹预测,少踩坑,今天就为大家盘点下轨迹预测常见的一些问题和入门学习方法!入门相关知识1.预习的论文有没有切入顺序?A:先看survey,p

原标题:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving论文链接:https://arxiv.org/pdf/2402.02519.pdf代码链接:https://github.com/HKUST-Aerial-Robotics/SIMPL作者单位:香港科技大学大疆论文思路:本文提出了一种用于自动驾驶车辆的简单高效的运动预测基线(SIMPL)。与传统的以代理为中心(agent-cent

最近一个月由于众所周知的一些原因,非常密集地和行业内的各种老师同学进行了交流。交流中必不可免的一个话题自然是端到端与火爆的特斯拉FSDV12。想借此机会,整理一下在当下这个时刻的一些想法和观点,供大家参考和讨论。如何定义端到端的自动驾驶系统,应该期望端到端解决什么问题?按照最传统的定义,端到端的系统指的是一套系统,输入传感器的原始信息,直接输出任务关心的变量。例如,在图像识别中,CNN相对于传统的特征提取器+分类器的方法就可以称之为端到端。在自动驾驶任务中,输入各种传感器的数据(相机/LiDAR

写在前面&出发点端到端的范式使用统一的框架在自动驾驶系统中实现多任务。尽管这种范式具有简单性和清晰性,但端到端的自动驾驶方法在子任务上的性能仍然远远落后于单任务方法。同时,先前端到端方法中广泛使用的密集鸟瞰图(BEV)特征使得扩展到更多模态或任务变得困难。这里提出了一种稀疏查找为中心的端到端自动驾驶范式(SparseAD),其中稀疏查找完全代表整个驾驶场景,包括空间、时间和任务,无需任何密集的BEV表示。具体来说,设计了一个统一的稀疏架构,用于包括检测、跟踪和在线地图绘制在内的任务感知。此外,重

目标检测在自动驾驶系统当中是一个比较成熟的问题,其中行人检测是最早得以部署算法之一。在多数论文当中已经进行了非常全面的研究。然而,利用鱼眼相机进行环视的距离感知相对来说研究较少。由于径向畸变大,标准的边界框表示在鱼眼相机当中很难实施。为了缓解上述描述,我们探索了扩展边界框、椭圆、通用多边形设计为极坐标/角度表示,并定义一个实例分割mIOU度量来分析这些表示。所提出的具有多边形形状的模型fisheyeDetNet优于其他模型,并同时在用于自动驾驶的Valeo鱼眼相机数据集上实现了49.5%的mAP
