Rivelare i “rischi invisibili”!　Verifica degli algoritmi di previsione nell’era dell’AI Generazione automatica di scenari di punti ciechi

Il Safety Assessment Framework (Ver. 3.0) ha già affrontato gli scenari di disturbo del traffico, ma non ha ancora affrontato gli scenari di disturbo del riconoscimento?
In particolare, è difficile creare e valutare scenari di punti ciechi e il metodo di verifica non è chiaro.

Per realizzare il ‘may drive’ con l’AI, è importante verificare la sicurezza degli AV/ADAS utilizzando scenari di punti ciechi.
Verrà presentato un metodo per automatizzare la creazione di scenari di punti ciechi e visualizzare il tasso di copertura attraverso la quantificazione. Inoltre, verranno forniti suggerimenti per una rapida conformità con il quadro di valutazione della sicurezza JAMA (Ver 3.0).

La complessa creazione di scenari di punti ciechi, che in passato richiedeva molto tempo, sarà notevolmente abbreviata e il tasso di copertura del test sarà intuito numericamente e graficamente dalla Copertura.
Potrà migliorare i test di validazione dell’algoritmo di previsione dell’area dell’angolo morto e accelerare la conformità con il JAMA Safety Assessment Framework (Ver. 3.0).

I metodi di test mirati alla ‘possibile guida’ da parte dell’AI possono accelerare il supporto per gli scenari degli angoli ciechi.
Si rivolga a noi se desidera ridurre significativamente il tempo e l’impegno necessari per creare scenari di punti ciechi, o se desidera realizzare valutazioni di sicurezza per scenari di punti ciechi.