对比
SCADE Vision可自动识别AV感知系统中的潜在漏洞。它能够帮助您查找和分类这些系统可能出现不安全行为的边缘案例。
SCADE Vision能够自动测试基于AI的自动驾驶感知受测软件（SUT），通常是卷积神经网络（CNN）。测试包括针对从AV传感器捕获的每个原始输入视频运行两次SUT推理算法：第一次推理在未经修改的基线帧上运行，而第二次推理在场景中检测到感兴趣对象（例如行人、汽车）时，在输入视频帧的增强/修改版本上运行。
然后，SCADE Vision引擎使用多种缺陷分析算法分析存储在结果数据库中的SUT输出，以识别AV感知软件中的弱点和缺陷，包括检测能力弱化或漏报现象。SCADE Vision无需借助标签数据来支持AV感知软件测试；相反，它会搜索自动驾驶车辆记录的原始传感器数据。
基于web的UI有助于将AV感知软件的可能缺陷划分为AV感知系统中薄弱点的触发事件或根本原因等类别。
在SCADE Vision引擎分析AV数据湖后，基于web的UI将可能的缺陷划分为各种类型的“触发事件”。各类触发事件可能包括天气或照明条件、基础设施、意外的道路使用者，甚至是对机器学习系统的培训缺失。这种分类不仅可以帮助您的团队识别边缘案例形式的单个漏洞，还可以查看AI系统中的弱点和短板模式。
SCADE Vision与Ansys medini analyze集成，可轻松地进行系统性危害识别并满足安全标准。
然后，可以将异常情况和分配的标签导出到medini analyze中，以完成因果分析。遵循感知算法-自动驾驶车辆SOTIF标准要求，安全分析人员可以得出正确的结论并提出应对措施建议，涵盖经改善的感知算法训练集到特定滤波器，甚至包括添加额外的传感器。
SCADE Vision自动为感知算法开发和安全团队生成网页端报告和可打印报告。
SCADE Vision的自动安全报告生成器简化了开发和安全团队之间的沟通。使用专用UI生成网页端报告和可打印报告，分析人员可通过该UI提供有关关键触发事件的评论，包括解决方案和示例缺陷。 构建沟通反馈回路，帮助您发现问题，解决问题，并做好充分准备，便于您在后期成本高昂的测试中最大限度提升价值。
苏公网安备 32059002002276号
