SDE Universes·新思想前沿自主系统 · 安全工程
新思想前沿 · 自主系统 · 安全工程

自主系统与信息物理系统

第 551 号 · 近二十年 · 两幕 · 20 个新思想 · 约 19,550 字 · 王德生 亲撰 · 2026 年 8 月

自主系统并不是把控制员从画面里删掉,而是让感知、推断、动作、物理后果与人工接管在同一时钟上可追责。本面板以二十个节点追问:系统何时真的获得自治,何时只是把监控和失败转移到不显眼的位置。

【第一幕】上一个十年 · 约 2006–2016

第一幕追踪自主系统与信息物理系统如何把旧问题变成可执行、可测量的对象;判断标准始终是自主性的决定性机制是让感知—决策—执行闭环在不确定环境中仍受可验证安全约束,而不是无人运行时长增加。

甲、DARPA城市挑战DARPA Urban Challenge

提出Urmson et al., Journal of Field Robotics 25, 425–466 (2008), doi:10.1002/rob.20255 争议Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键把感知规划控制压进可运行整车闭环

Urmson et al., Journal of Field Robotics 25, 425–466 (2008), doi:10.1002/rob.20255把DARPA城市挑战钉在可复算节点:Boss在约九十六公里城市赛道中完成与交通交互,证明多模块系统可在规则任务里长时闭环。把感知规划控制压进可运行整车闭环须与地图先验、稀有行为与责任分账;〔对象清单〕2026年复核保留旧基线、版本与失败运行。

DARPA城市挑战只锁定一个原因:把感知规划控制压进可运行整车闭环。〔对象清单〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,地图先验、稀有行为与责任不得由峰值代偿。开放道路接管每千公里率以95%区间裁决。〔〔〔〔对象清单〕对象清单〕对象清单〕对象清单〕对DARPA城市挑战DARPA Urban Challenge而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有把感知规划控制压进可运行整车闭环”推出的每一步中介、责任人和可撤回条件,〔对象清单〕缺少任何一环,都不能把相关性写成机制。

提出卷页由Urmson et al., Journal of Field Robotics 25, 425–466 (2008), doi:10.1002/rob.20255锁定,反方命题是“封闭规则下完成城市道路是否等于开放交通自治”,截至2025年的延续为“挑战赛成为自动驾驶系统集成的共同历史基线”。DARPA城市挑战复算给3套配置、95%区间、5%尾部和run ID,地图先验、稀有行为与责任失败样本不清洗。

DARPA城市挑战的硬边界是赛道、地图与对手均受组织,开放道路的稀有行为和责任不能由完赛外推。2026年把地图先验、稀有行为与责任推至规格外;赛道完赛率越高,开放道路稀有行为造成的外推缺口反而越容易被忽略,平均基准不能冲销反号结果。〔对象清单〕落到复现实务,可为DARPA城市挑战DARPA Urban Challenge建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“把感知规划控制压进可运行整车闭环”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

〔对象清单〕工程验收以“把感知规划控制压进可运行整车闭环”为主读数,连续24h记录开放道路接管每千公里率、版本、人工接管与恢复。地图先验、稀有行为与责任未测即保留“尚缺DARPA城市挑战在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

DARPA城市挑战跨域登记为6G与未来网络称“OpenFlow与软件定义网络”;见第550号第一条“OpenFlow与软件定义网络”。〔对象清单〕它共享〔01 谁进入分母〕封闭规则下完成城市道路是否等于开放交通自治,2026年送往第二平台时,地图先验、稀有行为与责任的对象、量纲与停止阈值均不得改名。〔对象清单〕本条的边界案例应从“尚缺DARPA城市挑战在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:赛道、地图与对手均受组织,开放道路的稀有行为和责任不能由完赛外推,赛道完赛率越高,开放道路稀有行为造成的外推缺口反”究竟是偶发噪声,还是足以改变结论方向的系统反例。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有把感知规划控制压进可运行整车闭环 预设〔01 谁进入分母〕封闭规则下完成城市道路是否等于开放交通自治 量纲以“把感知规划控制压进可运行整车闭环”为主读数,并列样本、误差、周期和对照/DARPA城市挑战DARPA Urban Challenge全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:赛道、地图与对手均受组织,开放道路的稀有行为和责任不能由完赛外推;赛道完赛率越高,开放道路稀有行为造成的外推缺口反而越容易被忽略 自曝对象清单独立核验:DARPA城市挑战的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在对象清单 空栏尚缺DARPA城市挑战在独立场景的长周期阴性结果 异名6G与未来网络称“OpenFlow与软件定义网络”;见第550号第一条“OpenFlow与软件定义网络”

乙、信息物理系统设计挑战Cyber-Physical Systems

提出Lee, IEEE ISORC, 363–369 (2008), doi:10.1109/ISORC.2008.25 争议Lee, Cyber Physical Systems: Design Challenges, IEEE ISORC, 363–369 (2008).。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键把时间和物理动态提升为计算语义

信息物理系统设计挑战由Lee, IEEE ISORC, 363–369 (2008), doi:10.1109/ISORC.2008.25固定为历史节点,新意是Lee指出传统计算把时间视作非功能属性,难以保证与物理世界的确定交互,由此重写系统设计对象。2026年重读时把把时间和物理动态提升为计算语义、时钟漂移、平台时延与连续动力学和实现栈并列,避免把单次纪录误作系统能力。

可消融的唯一单因是把时间和物理动态提升为计算语义:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。时钟误差到安全裕量映射以95%区间登记。

Lee, IEEE ISORC, 363–369 (2008), doi:10.1109/ISORC.2008.25给出起点,争议由“通用计算抽象能否忽略时间与物理连续性”承担,最新状态是“精确时间语义和混合系统继续构成CPS底层问题”。证据表列3组时钟漂移、平台时延与连续动力学配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔事件时间轴〕机构采用信息物理系统设计挑战Cyber-Physical Systems之前还应公布否决门槛:一旦“⇄系统核算后方向反转:若平台时延、时钟漂移和环境动力学未进入模型,软件正确性不能推出物理安全,软件验证越完整,未建模时延和物理动力学造成”出现,就暂停扩张并回到“把时间和物理动态提升为计算语义”的原始记录复核,该门槛必须早于部署决定写入方案。

边界判据写作若平台时延、时钟漂移和环境动力学未进入模型,软件正确性不能推出物理安全。当2026年测试越过时钟漂移、平台时延与连续动力学,软件验证越完整,未建模时延和物理动力学造成的危险反而越隐蔽;方向翻转须先于均值进入结论。

“把时间和物理动态提升为计算语义”承担验收读数,另开时钟漂移、平台时延与连续动力学账。系统跑满24h后保留时钟误差到安全裕量映射、版本、维修与中止原因;〔事件时间轴〕余下5%失败及“尚缺信息物理系统设计挑战在独立场景的长周期阴性结果”仍入正文。〔事件时间轴〕把信息物理系统设计挑战Cyber-Physical Systems与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“把时间和物理动态提升为计算语义”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

信息物理系统设计挑战的异名接口采用6G与未来网络称“海量MIMO”;见第550号第二条“海量MIMO”。共同预设是〔01 谁进入分母〕通用计算抽象能否忽略时间与物理连续性;第二团队在2026年重放原始记录时,不得以同向代理替换时钟漂移、平台时延与连续动力学。信息物理系统设计挑战若不能跨版本复现,只保留为局部案例;时钟误差到安全裕量映射必须公开原始记录。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有把时间和物理动态提升为计算语义 预设〔01 谁进入分母〕通用计算抽象能否忽略时间与物理连续性 量纲以“把时间和物理动态提升为计算语义”为主读数,并列样本、误差、周期和对照/信息物理系统设计挑战Cyber-Physical Systems全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:若平台时延、时钟漂移和环境动力学未进入模型,软件正确性不能推出物理安全;软件验证越完整,未建模时延和物理动力学造成的危险反而越隐蔽 自曝事件时间轴独立核验:信息物理系统设计挑战的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在事件时间轴 空栏尚缺信息物理系统设计挑战在独立场景的长周期阴性结果 异名6G与未来网络称“海量MIMO”;见第550号第二条“海量MIMO”

丙、ROS机器人中间件Robot Operating System

提出Quigley et al., ICRA Workshop on Open Source Software 3, 5 (2009) 争议Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.。 最新(2024年文献)Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.。 关键开放消息图让机器人能力可组合

在Quigley et al., ICRA Workshop on Open Source Software 3, 5 (2009)之前,ROS机器人中间件缺少把局部优化变成系统判断的支点;节点价值在于ROS以节点、话题、服务和工具形成共享软件生态,使感知与控制模块可以快速替换重组。2026年评价开放消息图让机器人能力可组合时,同时冻结DDS时延、版本依赖与不安全默认和对照。

因果账只许留下开放消息图让机器人能力可组合这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;DDS时延、版本依赖与不安全默认只界定失效域。ROS 2消息P99与丢包率报告95%区间。

来源链依次是Quigley et al., ICRA Workshop on Open Source Software 3, 5 (2009)、“模块复用会不会同时扩散接口假设与不安全默认”和“ROS 2以DDS、实时性和安全通信修补早期局限”。原始表公开3档配置、95%区间、5%失败谱及run ID;DDS时延、版本依赖与不安全默认导致的中止按失败计入分母。

通信尽力而为、版本依赖与未经验证的软件包会把原型便利变成部署故障构成ROS机器人中间件的停止线。到2026年,DDS时延、版本依赖与不安全默认一旦主导,模块复用越广,接口假设与不安全默认的传播半径反而越大,峰值读数便不能代表净效用。〔装置边界〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺ROS机器人中间件在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:通信尽力而为、版本依赖与未经验证的软件包会把原型便利变成部署故障,模块复用越广,接口假设与不安全默认的传播半径反而”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

部署账把“开放消息图让机器人能力可组合”设为主量纲,每24h记录ROS 2消息P99与丢包率、版本、漂移与恢复。DDS时延、版本依赖与不安全默认无数据就写“尚缺ROS机器人中间件在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是6G与未来网络称“毫米波蜂窝”;见第550号第三条“毫米波蜂窝”。双方共享〔01 谁进入分母〕模块复用会不会同时扩散接口假设与不安全默认;2026年跨平台转移时,DDS时延、版本依赖与不安全默认仍用同一单位、版本与失败阈值。ROS机器人中间件若不能跨版本复现,只保留为局部案例;ROS 2消息P99与丢包率必须公开原始记录。〔装置边界〕在自主系统与信息物理系统的这一对象上,复核应把“以“开放消息图让机器人能力可组合”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺ROS机器人中间件在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有开放消息图让机器人能力可组合 预设〔01 谁进入分母〕模块复用会不会同时扩散接口假设与不安全默认 量纲以“开放消息图让机器人能力可组合”为主读数,并列样本、误差、周期和对照/ROS机器人中间件Robot Operating System全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:通信尽力而为、版本依赖与未经验证的软件包会把原型便利变成部署故障;模块复用越广,接口假设与不安全默认的传播半径反而越大 自曝装置边界独立核验:ROS机器人中间件的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在装置边界 空栏尚缺ROS机器人中间件在独立场景的长周期阴性结果 异名6G与未来网络称“毫米波蜂窝”;见第550号第三条“毫米波蜂窝”

丁、协同自适应巡航Cooperative Adaptive Cruise Control

提出Ploeg et al., IEEE Transactions on Intelligent Transportation Systems 15, 1437–1446 (2014), doi:10.1109/TITS.2014.2299551 争议Ames et al., IEEE Transactions on Automatic Control 62, 3861–3876 (2017), doi:10.1109/TAC.2016.2638961。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键前车状态通信缩短稳定车距

Ploeg et al., IEEE Transactions on Intelligent Transportation Systems 15, 1437–1446 (2014), doi:10.1109/TITS.2014.2299551使协同自适应巡航从局部演示转为可审计命题,核心观察是CACC把无线前馈加入车载反馈,实车队列可在更短间距下抑制扰动放大。2026年证据包把前车状态通信缩短稳定车距与丢包、异构制动与恶意消息分别编号,并保留旧方法对照。〔样本分层〕对协同自适应巡航Cooperative Adaptive Cruise Control而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有前车状态通信缩短稳定车距”推出的每一步中介、责任人和可撤回条件,〔样本分层〕缺少任何一环,都不能把相关性写成机制。

这里拒绝多因叙述,决定结果能否成立的只有前车状态通信缩短稳定车距。〔样本分层〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。串稳裕度与急刹车最短距须给95%区间。

提出证据见Ploeg et al., IEEE Transactions on Intelligent Transportation Systems 15, 1437–1446 (2014), doi:10.1109/TITS.2014.2299551,最强争议是“车车通信收益能否抵抗丢包与异构制动”,延续状态为“车路协同和编队控制继续进入网联自动驾驶试验”。协同自适应巡航交付3批丢包、异构制动与恶意消息数据、95%区间、5%尾部和run ID,异常逐例保留。〔样本分层〕落到复现实务,可为协同自适应巡航Cooperative Adaptive Cruise Control建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“前车状态通信缩短稳定车距”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

协同自适应巡航不能越过时延、丢包或恶意消息会令前馈反号,安全不能依赖通信永久可用。2026年把丢包、异构制动与恶意消息扫过全量程时,车距越短,丢包和异构制动引起的串稳失效反而越急剧;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“前车状态通信缩短稳定车距”,随后核对丢包、异构制动与恶意消息。持续24h日志含串稳裕度与急刹车最短距、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺协同自适应巡航在独立场景的长周期阴性结果”。〔样本分层〕证据链还要把Ploeg et al., IEEE Transactions on Intelligent T的起点材料与更新文献放在同一比较表里,并逐项报告“前车状态通信缩短稳定车距”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。〔样本分层〕本条的边界案例应从“尚缺协同自适应巡航在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:时延、丢包或恶意消息会令前馈反号,安全不能依赖通信永久可用,车距越短,丢包和异构制动引起的串稳失效反而越急剧”究竟是偶发噪声,还是足以改变结论方向的系统反例。

跨域异名为6G与未来网络称“网络功能虚拟化”;见第550号第四条“网络功能虚拟化”,不是宽泛类比。它检验〔02 单一读数代表复杂对象〕车车通信收益能否抵抗丢包与异构制动;2026年由独立团队复跑原始记录时,丢包、异构制动与恶意消息的单位、阈值和停止规则保持不变。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有前车状态通信缩短稳定车距 预设〔02 单一读数代表复杂对象〕车车通信收益能否抵抗丢包与异构制动 量纲以“前车状态通信缩短稳定车距”为主读数,并列样本、误差、周期和对照/协同自适应巡航Cooperative Adaptive Cruise Control全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:时延、丢包或恶意消息会令前馈反号,安全不能依赖通信永久可用;车距越短,丢包和异构制动引起的串稳失效反而越急剧 自曝样本分层独立核验:协同自适应巡航的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在样本分层 空栏尚缺协同自适应巡航在独立场景的长周期阴性结果 异名6G与未来网络称“网络功能虚拟化”;见第550号第四条“网络功能虚拟化”

戊、STPA系统事故模型System-Theoretic Process Analysis

提出Leveson, Engineering a Safer World, MIT Press (2011) 争议Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键用不安全控制动作分析系统事故

Leveson, Engineering a Safer World, MIT Press (2011)把STPA系统事故模型钉在可复算节点:STPA把事故看成约束失效,能捕捉每个部件正常却因时序、反馈或组织决策造成的危险。用不安全控制动作分析系统事故须与控制边界、组织激励与遗漏交互分账;〔版本登记〕2026年复核保留旧基线、版本与失败运行。

STPA系统事故模型只锁定一个原因:用不安全控制动作分析系统事故。〔版本登记〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,控制边界、组织激励与遗漏交互不得由峰值代偿。不安全控制动作覆盖率以95%区间裁决。〔版本登记〕机构采用STPA系统事故模型System-Theoretic Process Analysis之前还应公布否决门槛:一旦“⇄系统核算后方向反转:分析边界和控制结构由人划定,漏掉组织激励时图再完整也会遗漏风险,事故图越完整,被边界排除的组织激励与控制关系反而越”出现,就暂停扩张并回到“用不安全控制动作分析系统事故”的原始记录复核,该门槛必须早于部署决定写入方案。

提出卷页由Leveson, Engineering a Safer World, MIT Press (2011)锁定,反方命题是“事故是否主要来自部件失效而非错误交互”,截至2025年的延续为“STPA已用于航空、汽车、医疗和软件密集系统”。STPA系统事故模型复算给3套配置、95%区间、5%尾部和run ID,控制边界、组织激励与遗漏交互失败样本不清洗。

STPA系统事故模型的硬边界是分析边界和控制结构由人划定,漏掉组织激励时图再完整也会遗漏风险。2026年把控制边界、组织激励与遗漏交互推至规格外;事故图越完整,被边界排除的组织激励与控制关系反而越关键,平均基准不能冲销反号结果。

〔版本登记〕工程验收以“用不安全控制动作分析系统事故”为主读数,连续24h记录不安全控制动作覆盖率、版本、人工接管与恢复。控制边界、组织激励与遗漏交互未测即保留“尚缺STPA系统事故模型在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

STPA系统事故模型跨域登记为6G与未来网络称“边缘计算”;见第550号第五条“边缘计算”。〔版本登记〕它共享〔02 单一读数代表复杂对象〕事故是否主要来自部件失效而非错误交互,2026年送往第二平台时,控制边界、组织激励与遗漏交互的对象、量纲与停止阈值均不得改名。STPA系统事故模型若不能跨版本复现,只保留为局部案例;不安全控制动作覆盖率必须公开原始记录。〔版本登记〕本条的边界案例应从“尚缺STPA系统事故模型在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:分析边界和控制结构由人划定,漏掉组织激励时图再完整也会遗漏风险,事故图越完整,被边界排除的组织激励与控制关系反而越”究竟是偶发噪声,还是足以改变结论方向的系统反例。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有用不安全控制动作分析系统事故 预设〔02 单一读数代表复杂对象〕事故是否主要来自部件失效而非错误交互 量纲以“用不安全控制动作分析系统事故”为主读数,并列样本、误差、周期和对照/STPA系统事故模型System-Theoretic Process Analysis全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:分析边界和控制结构由人划定,漏掉组织激励时图再完整也会遗漏风险;事故图越完整,被边界排除的组织激励与控制关系反而越关键 自曝版本登记独立核验:STPA系统事故模型的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在版本登记 空栏尚缺STPA系统事故模型在独立场景的长周期阴性结果 异名6G与未来网络称“边缘计算”;见第550号第五条“边缘计算”

己、Kilobot千机器人群Kilobot Swarm

提出Rubenstein, Cornejo & Nagpal, Science 345, 795–799 (2014), doi:10.1126/science.1254295 争议Salay, Queiroz & Czarnecki, An Analysis of ISO 26262: Using Machine Learning Safely in Automotive Software, SAE Technical Paper (2018), doi:10.4271/2018-01-1075.。 最新(2025年文献)Chakraborty et al., System-Level Safety Monitoring and Recovery for Perception Failures in Autonomous Vehicles, ICRA, 12885–12891 (2025), doi:10.1109/ICRA55743.2025.11128400.。 关键简单局部规则形成千机全局形状

Kilobot千机器人群由Rubenstein, Cornejo & Nagpal, Science 345, 795–799 (2014), doi:10.1126/science.1254295固定为历史节点,新意是一千零二十四台低成本机器人以局部通信和自组织规则完成形状汇聚,展示规模化群体行为。2026年重读时把简单局部规则形成千机全局形状、密度、遮挡与个体故障和实现栈并列,避免把单次纪录误作系统能力。〔失败谱〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项自主系统结果能否成立的只有简单局部规则形成千机全局形状”的操作定义,仍能复算“以“简单局部规则形成千机全局形状”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

可消融的唯一单因是简单局部规则形成千机全局形状:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。群体任务完成与个体失效率以95%区间登记。

Rubenstein, Cornejo & Nagpal, Science 345, 795–799 (2014), doi:10.1126/science.1254295给出起点,争议由“规模涌现是否足以保证任务稳定与个体可追责”承担,最新状态是“群体机器人转向异构、故障恢复与现实环境”。证据表列3组密度、遮挡与个体故障配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔失败谱〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺Kilobot千机器人群在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:误差会随密度和通信遮挡累积,形成图案不等于在动态任务中安全有效,群体规模越大,局部误差、遮挡和不可追责性反而越难消”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

边界判据写作误差会随密度和通信遮挡累积,形成图案不等于在动态任务中安全有效。当2026年测试越过密度、遮挡与个体故障,群体规模越大,局部误差、遮挡和不可追责性反而越难消散;方向翻转须先于均值进入结论。

“简单局部规则形成千机全局形状”承担验收读数,另开密度、遮挡与个体故障账。系统跑满24h后保留群体任务完成与个体失效率、版本、维修与中止原因;〔失败谱〕余下5%失败及“尚缺Kilobot千机器人群在独立场景的长周期阴性结果”仍入正文。〔失败谱〕在自主系统与信息物理系统的这一对象上,复核应把“以“简单局部规则形成千机全局形状”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺Kilobot千机器人群在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

Kilobot千机器人群的异名接口采用6G与未来网络称“网络切片”;见第550号第六条“网络切片”。共同预设是〔02 单一读数代表复杂对象〕规模涌现是否足以保证任务稳定与个体可追责;第二团队在2026年重放原始记录时,不得以同向代理替换密度、遮挡与个体故障。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有简单局部规则形成千机全局形状 预设〔02 单一读数代表复杂对象〕规模涌现是否足以保证任务稳定与个体可追责 量纲以“简单局部规则形成千机全局形状”为主读数,并列样本、误差、周期和对照/Kilobot千机器人群Kilobot Swarm全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:误差会随密度和通信遮挡累积,形成图案不等于在动态任务中安全有效;群体规模越大,局部误差、遮挡和不可追责性反而越难消散 自曝失败谱独立核验:Kilobot千机器人群的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在失败谱 空栏尚缺Kilobot千机器人群在独立场景的长周期阴性结果 异名6G与未来网络称“网络切片”;见第550号第六条“网络切片”

庚、NIST信息物理框架NIST CPS Framework

提出NIST SP 1500-201 and 1500-202 (2017), doi:10.6028/NIST.SP.1500-201 争议Salay, Queiroz & Czarnecki, A Safety Assurance Framework for Machine Learning in Autonomous Vehicles, SAFECOMP Workshops, 277–293 (2017), doi:10.1007/978-3-319-66284-8_23.。 最新(2025年文献)Tiwari et al., Responsible AI Framework for Autonomous Vehicles, IEEE Access (2025).。 关键以功能、可信与生命周期视角对齐CPS

在NIST SP 1500-201 and 1500-202 (2017), doi:10.6028/NIST.SP.1500-201之前,NIST信息物理框架缺少把局部优化变成系统判断的支点;节点价值在于NIST工作组把系统、网络、数据、时间与可信属性放进统一分析框架,促进跨行业比较。2026年评价以功能、可信与生命周期视角对齐CPS时,同时冻结行业阈值、场景测试与责任人和对照。

因果账只许留下以功能、可信与生命周期视角对齐CPS这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;行业阈值、场景测试与责任人只界定失效域。CPS属性到测试阈值映射率报告95%区间。〔机构接口〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:框架本身不提供领域阈值,若没有场景测试和责任人,勾选属性不会产生安全,框架属性越齐全,没有领域阈值时的勾选式安全反”做至少两轮外部复算,若方向翻转,NIST信息物理框架NIST CPS Framework的结论必须随之收窄。

来源链依次是NIST SP 1500-201 and 1500-202 (2017), doi:10.6028/NIST.SP.1500-201、“跨行业词汇能否成为工程验收而非概念清单”和“框架映射到IoT、智慧城市与人因分析”。原始表公开3档配置、95%区间、5%失败谱及run ID;行业阈值、场景测试与责任人导致的中止按失败计入分母。

框架本身不提供领域阈值,若没有场景测试和责任人,勾选属性不会产生安全构成NIST信息物理框架的停止线。到2026年,行业阈值、场景测试与责任人一旦主导,框架属性越齐全,没有领域阈值时的勾选式安全反而越危险,峰值读数便不能代表净效用。〔机构接口〕证据链还要把NIST SP 1500-201 and 1500-202 (2017), doi:10.602的起点材料与更新文献放在同一比较表里,并逐项报告“以功能、可信与生命周期视角对齐CPS”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

部署账把“以功能、可信与生命周期视角对齐CPS”设为主量纲,每24h记录CPS属性到测试阈值映射率、版本、漂移与恢复。行业阈值、场景测试与责任人无数据就写“尚缺NIST信息物理框架在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是6G与未来网络称“超可靠低时延通信”;见第550号第七条“超可靠低时延通信”。双方共享〔04 测量不改变被测对象〕跨行业词汇能否成为工程验收而非概念清单;2026年跨平台转移时,行业阈值、场景测试与责任人仍用同一单位、版本与失败阈值。〔机构接口〕对NIST信息物理框架NIST CPS Framework而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有以功能、可信与生命周期视角对齐CPS”推出的每一步中介、责任人和可撤回条件,〔机构接口〕缺少任何一环,都不能把相关性写成机制。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有以功能、可信与生命周期视角对齐CPS 预设〔04 测量不改变被测对象〕跨行业词汇能否成为工程验收而非概念清单 量纲以“以功能、可信与生命周期视角对齐CPS”为主读数,并列样本、误差、周期和对照/NIST信息物理框架NIST CPS Framework全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:框架本身不提供领域阈值,若没有场景测试和责任人,勾选属性不会产生安全;框架属性越齐全,没有领域阈值时的勾选式安全反而越危险 自曝机构接口独立核验:NIST信息物理框架的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在机构接口 空栏尚缺NIST信息物理框架在独立场景的长周期阴性结果 异名6G与未来网络称“超可靠低时延通信”;见第550号第七条“超可靠低时延通信”

辛、控制屏障函数Control Barrier Functions

提出Ames et al., IEEE Transactions on Automatic Control 62, 3861–3876 (2017), doi:10.1109/TAC.2016.2638961 争议Stankovic, Research Directions for the Internet of Things, IEEE Internet of Things Journal 1, 3–9 (2014), doi:10.1109/JIOT.2014.2312291.。 最新(2024年文献)Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.。 关键在线约束动作保持系统位于安全集

Ames et al., IEEE Transactions on Automatic Control 62, 3861–3876 (2017), doi:10.1109/TAC.2016.2638961使控制屏障函数从局部演示转为可审计命题,核心观察是控制屏障函数把安全写成前向不变集条件,并可通过二次规划实时修正名义控制。2026年证据包把在线约束动作保持系统位于安全集与动力学误差、状态估计与模式切换分别编号,并保留旧方法对照。〔资源预算〕机构采用控制屏障函数Control Barrier Functions之前还应公布否决门槛:一旦“⇄系统核算后方向反转:安全集、动力学或状态估计若错误,数学上可行的滤波也会把系统带出真实边界,屏障证明越严格,动力学与状态估计偏差造成的”出现,就暂停扩张并回到“在线约束动作保持系统位于安全集”的原始记录复核,该门槛必须早于部署决定写入方案。

这里拒绝多因叙述,决定结果能否成立的只有在线约束动作保持系统位于安全集。〔资源预算〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。安全集违例概率须给95%区间。

提出证据见Ames et al., IEEE Transactions on Automatic Control 62, 3861–3876 (2017), doi:10.1109/TAC.2016.2638961,最强争议是“连续安全集能否覆盖感知误差与离散模式切换”,延续状态为“屏障函数与学习控制结合为安全滤波主线”。控制屏障函数交付3批动力学误差、状态估计与模式切换数据、95%区间、5%尾部和run ID,异常逐例保留。〔资源预算〕落到复现实务,可为控制屏障函数Control Barrier Functions建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“在线约束动作保持系统位于安全集”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

控制屏障函数不能越过安全集、动力学或状态估计若错误,数学上可行的滤波也会把系统带出真实边界。2026年把动力学误差、状态估计与模式切换扫过全量程时,屏障证明越严格,动力学与状态估计偏差造成的真实越界反而越需压力测;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“在线约束动作保持系统位于安全集”,随后核对动力学误差、状态估计与模式切换。持续24h日志含安全集违例概率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺控制屏障函数在独立场景的长周期阴性结果”。〔资源预算〕本条的边界案例应从“尚缺控制屏障函数在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:安全集、动力学或状态估计若错误,数学上可行的滤波也会把系统带出真实边界,屏障证明越严格,动力学与状态估计偏差造成的”究竟是偶发噪声,还是足以改变结论方向的系统反例。

跨域异名为6G与未来网络称“无小区海量MIMO”;见第550号第八条“无小区海量MIMO”,不是宽泛类比。它检验〔04 测量不改变被测对象〕连续安全集能否覆盖感知误差与离散模式切换;2026年由独立团队复跑原始记录时,动力学误差、状态估计与模式切换的单位、阈值和停止规则保持不变。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有在线约束动作保持系统位于安全集 预设〔04 测量不改变被测对象〕连续安全集能否覆盖感知误差与离散模式切换 量纲以“在线约束动作保持系统位于安全集”为主读数,并列样本、误差、周期和对照/控制屏障函数Control Barrier Functions全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:安全集、动力学或状态估计若错误,数学上可行的滤波也会把系统带出真实边界;屏障证明越严格,动力学与状态估计偏差造成的真实越界反而越需压力测 自曝资源预算独立核验:控制屏障函数的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在资源预算 空栏尚缺控制屏障函数在独立场景的长周期阴性结果 异名6G与未来网络称“无小区海量MIMO”;见第550号第八条“无小区海量MIMO”
【第二幕】这十年 · 约 2016–2026

第二幕转向规模、闭环与责任。最新纪录只有在失败和资源进入分母后,才足以支持“自主性的决定性机制是让感知—决策—执行闭环在不确定环境中仍受可验证安全约束,而不是无人运行时长增加”。

一、Reluplex神经网络验证Reluplex Verification

提出Katz et al., CAV 2017, 97–117, doi:10.1007/978-3-319-63387-9_5 争议Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键把ReLU网络性质化为可判定约束

Katz et al., CAV 2017, 97–117, doi:10.1007/978-3-319-63387-9_5把Reluplex神经网络验证钉在可复算节点:Reluplex证明可对航空避碰网络查询特定输入域下的输出性质,打开学习部件形式验证路径。把ReLU网络性质化为可判定约束须与输入域、传感器链与环境漂移分账;〔外部复算〕2026年复核保留旧基线、版本与失败运行。

Reluplex神经网络验证只锁定一个原因:把ReLU网络性质化为可判定约束。〔外部复算〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,输入域、传感器链与环境漂移不得由峰值代偿。证明域外样本逃逸率以95%区间裁决。〔外部复算〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺Reluplex神经网络验证在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:输入域和性质由人给定,未建模传感器、预处理与环境变化不在证明之内,网络性质证明越精确,证明域外的传感链和环境变化反”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

提出卷页由Katz et al., CAV 2017, 97–117, doi:10.1007/978-3-319-63387-9_5锁定,反方命题是“局部性质证明能否代表完整感知系统安全”,截至2025年的延续为“神经网络验证扩展到分支定界、抽象解释与大模型”。Reluplex神经网络验证复算给3套配置、95%区间、5%尾部和run ID,输入域、传感器链与环境漂移失败样本不清洗。

Reluplex神经网络验证的硬边界是输入域和性质由人给定,未建模传感器、预处理与环境变化不在证明之内。2026年把输入域、传感器链与环境漂移推至规格外;网络性质证明越精确,证明域外的传感链和环境变化反而越容易漏掉,平均基准不能冲销反号结果。〔外部复算〕把Reluplex神经网络验证Reluplex Verification与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“把ReLU网络性质化为可判定约束”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

〔外部复算〕工程验收以“把ReLU网络性质化为可判定约束”为主读数,连续24h记录证明域外样本逃逸率、版本、人工接管与恢复。输入域、传感器链与环境漂移未测即保留“尚缺Reluplex神经网络验证在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

Reluplex神经网络验证跨域登记为6G与未来网络称“可重构智能表面”;见第550号第九条“可重构智能表面”。〔外部复算〕它共享〔04 测量不改变被测对象〕局部性质证明能否代表完整感知系统安全,2026年送往第二平台时,输入域、传感器链与环境漂移的对象、量纲与停止阈值均不得改名。〔外部复算〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项自主系统结果能否成立的只有把ReLU网络性质化为可判定约束”的操作定义,仍能复算“以“把ReLU网络性质化为可判定约束”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有把ReLU网络性质化为可判定约束 预设〔04 测量不改变被测对象〕局部性质证明能否代表完整感知系统安全 量纲以“把ReLU网络性质化为可判定约束”为主读数,并列样本、误差、周期和对照/Reluplex神经网络验证Reluplex Verification全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:输入域和性质由人给定,未建模传感器、预处理与环境变化不在证明之内;网络性质证明越精确,证明域外的传感链和环境变化反而越容易漏掉 自曝外部复算独立核验:Reluplex神经网络验证的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在外部复算 空栏尚缺Reluplex神经网络验证在独立场景的长周期阴性结果 异名6G与未来网络称“可重构智能表面”;见第550号第九条“可重构智能表面”

二、Autoware开源自动驾驶栈Autoware

提出Kato et al., IEEE/ACM CODES+ISSS, 1–6 (2018), doi:10.1109/CODESISSS.2018.00035 争议Salay, Queiroz & Czarnecki, An Analysis of ISO 26262: Using Machine Learning Safely in Automotive Software, SAE Technical Paper (2018), doi:10.4271/2018-01-1075.。 最新(2025年文献)Tiwari et al., Responsible AI Framework for Autonomous Vehicles, IEEE Access (2025).。 关键把自动驾驶模块和数据接口公开复用

Autoware开源自动驾驶栈由Kato et al., IEEE/ACM CODES+ISSS, 1–6 (2018), doi:10.1109/CODESISSS.2018.00035固定为历史节点,新意是Autoware把定位、感知、预测、规划和控制组合为可运行开源栈,降低整车研究门槛。2026年重读时把把自动驾驶模块和数据接口公开复用、配置、地图质量与硬件差异和实现栈并列,避免把单次纪录误作系统能力。〔反号压力〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:配置差异、地图质量与未认证模块会使相同代码在不同车辆上给出不同风险,开放栈越统一,配置、地图与车辆差异造成的风险反”做至少两轮外部复算,若方向翻转,Autoware开源自动驾驶栈Autoware的结论必须随之收窄。

可消融的唯一单因是把自动驾驶模块和数据接口公开复用:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。相同栈跨车型风险差以95%区间登记。

Kato et al., IEEE/ACM CODES+ISSS, 1–6 (2018), doi:10.1109/CODESISSS.2018.00035给出起点,争议由“开放栈能否同时保持实时、硬件兼容与安全责任”承担,最新状态是“Autoware持续形成Core与Universe分层生态”。证据表列3组配置、地图质量与硬件差异配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔反号压力〕证据链还要把Kato et al., IEEE/ACM CODES+ISSS, 1–6 (2018), do的起点材料与更新文献放在同一比较表里,并逐项报告“把自动驾驶模块和数据接口公开复用”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

边界判据写作配置差异、地图质量与未认证模块会使相同代码在不同车辆上给出不同风险。当2026年测试越过配置、地图质量与硬件差异,开放栈越统一,配置、地图与车辆差异造成的风险反而越可能被低估;方向翻转须先于均值进入结论。

“把自动驾驶模块和数据接口公开复用”承担验收读数,另开配置、地图质量与硬件差异账。系统跑满24h后保留相同栈跨车型风险差、版本、维修与中止原因;〔反号压力〕余下5%失败及“尚缺Autoware开源自动驾驶栈在独立场景的长周期阴性结果”仍入正文。〔反号压力〕在自主系统与信息物理系统的这一对象上,复核应把“以“把自动驾驶模块和数据接口公开复用”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺Autoware开源自动驾驶栈在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

Autoware开源自动驾驶栈的异名接口采用6G与未来网络称“太赫兹通信”;见第550号第十条“太赫兹通信”。共同预设是〔13 时间尺度可自由压缩〕开放栈能否同时保持实时、硬件兼容与安全责任;第二团队在2026年重放原始记录时,不得以同向代理替换配置、地图质量与硬件差异。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有把自动驾驶模块和数据接口公开复用 预设〔13 时间尺度可自由压缩〕开放栈能否同时保持实时、硬件兼容与安全责任 量纲以“把自动驾驶模块和数据接口公开复用”为主读数,并列样本、误差、周期和对照/Autoware开源自动驾驶栈Autoware全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:配置差异、地图质量与未认证模块会使相同代码在不同车辆上给出不同风险;开放栈越统一,配置、地图与车辆差异造成的风险反而越可能被低估 自曝反号压力独立核验:Autoware开源自动驾驶栈的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在反号压力 空栏尚缺Autoware开源自动驾驶栈在独立场景的长周期阴性结果 异名6G与未来网络称“太赫兹通信”;见第550号第十条“太赫兹通信”

三、NIST CPS与物联网统一视角CPS and IoT

提出NIST SP 1900-202 (2019), doi:10.6028/NIST.SP.1900-202 争议Ploeg et al., IEEE Transactions on Intelligent Transportation Systems 15, 1437–1446 (2014), doi:10.1109/TITS.2014.2299551。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键用共同概念分析计算物理网络

在NIST SP 1900-202 (2019), doi:10.6028/NIST.SP.1900-202之前,NIST CPS与物联网统一视角缺少把局部优化变成系统判断的支点;节点价值在于报告把智能系统定义为物理与计算部件的交互网络,并澄清CPS与IoT的重叠和差异。2026年评价用共同概念分析计算物理网络时,同时冻结实时闭环、联网规模与安全等级和对照。

因果账只许留下用共同概念分析计算物理网络这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;实时闭环、联网规模与安全等级只界定失效域。闭环周期超时率报告95%区间。〔责任链〕落到复现实务,可为NIST CPS与物联网统一视角CPS and IoT建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“用共同概念分析计算物理网络”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

来源链依次是NIST SP 1900-202 (2019), doi:10.6028/NIST.SP.1900-202、“连接规模是否会模糊封闭控制与开放网络的差别”和“CPS与IoT架构继续在可信、互操作和生命周期上汇合”。原始表公开3档配置、95%区间、5%失败谱及run ID;实时闭环、联网规模与安全等级导致的中止按失败计入分母。

把所有联网设备统称CPS会淡化实时闭环、物理后果和安全等级的实质差异构成NIST CPS与物联网统一视角的停止线。到2026年,实时闭环、联网规模与安全等级一旦主导,共同词汇越广,实时闭环与普通联网设备的安全等级差异反而越模糊,峰值读数便不能代表净效用。〔责任链〕本条的边界案例应从“尚缺NIST CPS与物联网统一视角在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:把所有联网设备统称CPS会淡化实时闭环、物理后果和安全等级的实质差异,共同词汇越广,实时闭环与普通联网设备的安全等”究竟是偶发噪声,还是足以改变结论方向的系统反例。

部署账把“用共同概念分析计算物理网络”设为主量纲,每24h记录闭环周期超时率、版本、漂移与恢复。实时闭环、联网规模与安全等级无数据就写“尚缺NIST CPS与物联网统一视角在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是6G与未来网络称“非地面网络”;见第550号第十一条“非地面网络”。双方共享〔13 时间尺度可自由压缩〕连接规模是否会模糊封闭控制与开放网络的差别;2026年跨平台转移时,实时闭环、联网规模与安全等级仍用同一单位、版本与失败阈值。NIST CPS与物联网统一视角若不能跨版本复现,只保留为局部案例;闭环周期超时率必须公开原始记录。〔责任链〕对NIST CPS与物联网统一视角CPS and IoT而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有用共同概念分析计算物理网络”推出的每一步中介、责任人和可撤回条件,〔责任链〕缺少任何一环,都不能把相关性写成机制。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有用共同概念分析计算物理网络 预设〔13 时间尺度可自由压缩〕连接规模是否会模糊封闭控制与开放网络的差别 量纲以“用共同概念分析计算物理网络”为主读数,并列样本、误差、周期和对照/NIST CPS与物联网统一视角CPS and IoT全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:把所有联网设备统称CPS会淡化实时闭环、物理后果和安全等级的实质差异;共同词汇越广,实时闭环与普通联网设备的安全等级差异反而越模糊 自曝责任链独立核验:NIST CPS与物联网统一视角的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在责任链 空栏尚缺NIST CPS与物联网统一视角在独立场景的长周期阴性结果 异名6G与未来网络称“非地面网络”;见第550号第十一条“非地面网络”

四、Waymo安全方法Waymo Safety Methodologies

提出Waymo, Safety Methodologies and Safety Readiness Determinations (2020) 争议Salay, Queiroz & Czarnecki, A Safety Assurance Framework for Machine Learning in Autonomous Vehicles, SAFECOMP Workshops, 277–293 (2017), doi:10.1007/978-3-319-66284-8_23.。 最新(2025年文献)Chakraborty et al., System-Level Safety Monitoring and Recovery for Perception Failures in Autonomous Vehicles, ICRA, 12885–12891 (2025), doi:10.1109/ICRA55743.2025.11128400.。 关键用多层证据决定系统何时可部署

Waymo, Safety Methodologies and Safety Readiness Determinations (2020)使Waymo安全方法从局部演示转为可审计命题,核心观察是Waymo公开硬件、行为与运行安全方法,强调从危险分析到安全准备度的证据链。2026年证据包把用多层证据决定系统何时可部署与事故分母、内部阈值与独立审计分别编号,并保留旧方法对照。〔排除规则〕机构采用Waymo安全方法Waymo Safety Methodologies之前还应公布否决门槛:一旦“⇄系统核算后方向反转:指标、事故分母和内部阈值若不可独立审计,完整框架仍可能只证明自身标准,企业安全框架越完整,不可审计分母与内部阈值造”出现,就暂停扩张并回到“用多层证据决定系统何时可部署”的原始记录复核,该门槛必须早于部署决定写入方案。

这里拒绝多因叙述,决定结果能否成立的只有用多层证据决定系统何时可部署。〔排除规则〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。可审计事故暴露分母须给95%区间。

提出证据见Waymo, Safety Methodologies and Safety Readiness Determinations (2020),最强争议是“企业自证材料能否构成可反驳的公众安全论证”,延续状态为“案例、仿真、封闭场和道路证据开始组成安全论证”。Waymo安全方法交付3批事故分母、内部阈值与独立审计数据、95%区间、5%尾部和run ID,异常逐例保留。〔排除规则〕把Waymo安全方法Waymo Safety Methodologies与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“用多层证据决定系统何时可部署”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

Waymo安全方法不能越过指标、事故分母和内部阈值若不可独立审计,完整框架仍可能只证明自身标准。2026年把事故分母、内部阈值与独立审计扫过全量程时,企业安全框架越完整,不可审计分母与内部阈值造成的自证偏差反而越大;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“用多层证据决定系统何时可部署”,随后核对事故分母、内部阈值与独立审计。持续24h日志含可审计事故暴露分母、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺Waymo安全方法在独立场景的长周期阴性结果”。〔排除规则〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项自主系统结果能否成立的只有用多层证据决定系统何时可部署”的操作定义,仍能复算“以“用多层证据决定系统何时可部署”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

跨域异名为6G与未来网络称“开放无线接入网”;见第550号第十二条“开放无线接入网”,不是宽泛类比。它检验〔13 时间尺度可自由压缩〕企业自证材料能否构成可反驳的公众安全论证;2026年由独立团队复跑原始记录时,事故分母、内部阈值与独立审计的单位、阈值和停止规则保持不变。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有用多层证据决定系统何时可部署 预设〔13 时间尺度可自由压缩〕企业自证材料能否构成可反驳的公众安全论证 量纲以“用多层证据决定系统何时可部署”为主读数,并列样本、误差、周期和对照/Waymo安全方法Waymo Safety Methodologies全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:指标、事故分母和内部阈值若不可独立审计,完整框架仍可能只证明自身标准;企业安全框架越完整,不可审计分母与内部阈值造成的自证偏差反而越大 自曝排除规则独立核验:Waymo安全方法的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在排除规则 空栏尚缺Waymo安全方法在独立场景的长周期阴性结果 异名6G与未来网络称“开放无线接入网”;见第550号第十二条“开放无线接入网”

五、UL 4600自主产品安全标准UL 4600

提出UL 4600, Standard for Evaluation of Autonomous Products, first edition (2020) 争议Urmson et al., Journal of Field Robotics 25, 425–466 (2008), doi:10.1002/rob.20255。 最新(2024年文献)Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.。 关键以结构化安全案例替代单一通过测试

UL 4600, Standard for Evaluation of Autonomous Products, first edition (2020)把UL 4600自主产品安全标准钉在可复算节点:UL 4600要求自主产品说明目标、危险、证据与论证关系,承认开放环境无法穷举测试。以结构化安全案例替代单一通过测试须与论证选择、场景空洞与版本漂移分账;〔基线冻结〕2026年复核保留旧基线、版本与失败运行。

UL 4600自主产品安全标准只锁定一个原因:以结构化安全案例替代单一通过测试。〔基线冻结〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,论证选择、场景空洞与版本漂移不得由峰值代偿。安全论证缺口密度以95%区间裁决。〔基线冻结〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺UL 4600自主产品安全标准在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:标准不保证每条论证真实,若证据选择性披露,形式完整会掩盖场景空洞,论证结构越规范,选择性证据造成的场景空洞反而越可”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

提出卷页由UL 4600, Standard for Evaluation of Autonomous Products, first edition (2020)锁定,反方命题是“无驾驶员系统能否用传统合规测试覆盖”,截至2025年的延续为“安全论证和证据管理成为无人系统认证补充”。UL 4600自主产品安全标准复算给3套配置、95%区间、5%尾部和run ID,论证选择、场景空洞与版本漂移失败样本不清洗。

UL 4600自主产品安全标准的硬边界是标准不保证每条论证真实;若证据选择性披露,形式完整会掩盖场景空洞。2026年把论证选择、场景空洞与版本漂移推至规格外;论证结构越规范,选择性证据造成的场景空洞反而越可能被形式遮蔽,平均基准不能冲销反号结果。〔基线冻结〕在自主系统与信息物理系统的这一对象上,复核应把“以“以结构化安全案例替代单一通过测试”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺UL 4600自主产品安全标准在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

〔基线冻结〕工程验收以“以结构化安全案例替代单一通过测试”为主读数,连续24h记录安全论证缺口密度、版本、人工接管与恢复。论证选择、场景空洞与版本漂移未测即保留“尚缺UL 4600自主产品安全标准在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

UL 4600自主产品安全标准跨域登记为6G与未来网络称“通感一体”;见第550号第十三条“通感一体”。〔基线冻结〕它共享〔17 局部最优可加总为整体最优〕无驾驶员系统能否用传统合规测试覆盖,2026年送往第二平台时,论证选择、场景空洞与版本漂移的对象、量纲与停止阈值均不得改名。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有以结构化安全案例替代单一通过测试 预设〔17 局部最优可加总为整体最优〕无驾驶员系统能否用传统合规测试覆盖 量纲以“以结构化安全案例替代单一通过测试”为主读数,并列样本、误差、周期和对照/UL 4600自主产品安全标准UL 4600全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:标准不保证每条论证真实;若证据选择性披露,形式完整会掩盖场景空洞;论证结构越规范,选择性证据造成的场景空洞反而越可能被形式遮蔽 自曝基线冻结独立核验:UL 4600自主产品安全标准的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在基线冻结 空栏尚缺UL 4600自主产品安全标准在独立场景的长周期阴性结果 异名6G与未来网络称“通感一体”;见第550号第十三条“通感一体”

六、深度可达性分析DeepReach

提出Bansal & Tomlin, IEEE ICRA, 1817–1824 (2021), doi:10.1109/ICRA48506.2021.9561949 争议Seto et al., Dynamic Control System Upgrade Using the Simplex Architecture, IEEE Control Systems 18, 72–80 (1998), doi:10.1109/37.710876.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键用神经隐式函数近似高维价值函数

深度可达性分析由Bansal & Tomlin, IEEE ICRA, 1817–1824 (2021), doi:10.1109/ICRA48506.2021.9561949固定为历史节点,新意是DeepReach以无网格神经表示求解高维可达性问题,使在线安全分析覆盖更多状态维度。2026年重读时把用神经隐式函数近似高维价值函数、近似残差、危险集保守性与漏检和实现栈并列,避免把单次纪录误作系统能力。〔异常运行〕落到复现实务,可为深度可达性分析DeepReach建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“用神经隐式函数近似高维价值函数”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

可消融的唯一单因是用神经隐式函数近似高维价值函数:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。危险集漏包率以95%区间登记。

Bansal & Tomlin, IEEE ICRA, 1817–1824 (2021), doi:10.1109/ICRA48506.2021.9561949给出起点,争议由“神经近似能否保留Hamilton–Jacobi安全边界的保守性”承担,最新状态是“神经偏微分方程扩大高维可达集估计”。证据表列3组近似残差、危险集保守性与漏检配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔异常运行〕证据链还要把Bansal & Tomlin, IEEE ICRA, 1817–1824 (2021), do的起点材料与更新文献放在同一比较表里,并逐项报告“用神经隐式函数近似高维价值函数”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。〔异常运行〕本条的边界案例应从“尚缺深度可达性分析在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:近似残差小不等于危险集保守,验证不足时速度增益会换来漏检风险,神经可达分析越快,非保守近似导致的危险集漏检反而越难”究竟是偶发噪声,还是足以改变结论方向的系统反例。

边界判据写作近似残差小不等于危险集保守,验证不足时速度增益会换来漏检风险。当2026年测试越过近似残差、危险集保守性与漏检,神经可达分析越快,非保守近似导致的危险集漏检反而越难接受;方向翻转须先于均值进入结论。

“用神经隐式函数近似高维价值函数”承担验收读数,另开近似残差、危险集保守性与漏检账。系统跑满24h后保留危险集漏包率、版本、维修与中止原因;〔异常运行〕余下5%失败及“尚缺深度可达性分析在独立场景的长周期阴性结果”仍入正文。〔异常运行〕对深度可达性分析DeepReach而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有用神经隐式函数近似高维价值函数”推出的每一步中介、责任人和可撤回条件,〔异常运行〕缺少任何一环,都不能把相关性写成机制。

深度可达性分析的异名接口采用6G与未来网络称“语义通信”;见第550号第十四条“语义通信”。共同预设是〔17 局部最优可加总为整体最优〕神经近似能否保留Hamilton–Jacobi安全边界的保守性;第二团队在2026年重放原始记录时,不得以同向代理替换近似残差、危险集保守性与漏检。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有用神经隐式函数近似高维价值函数 预设〔17 局部最优可加总为整体最优〕神经近似能否保留Hamilton–Jacobi安全边界的保守性 量纲以“用神经隐式函数近似高维价值函数”为主读数,并列样本、误差、周期和对照/深度可达性分析DeepReach全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:近似残差小不等于危险集保守,验证不足时速度增益会换来漏检风险;神经可达分析越快,非保守近似导致的危险集漏检反而越难接受 自曝异常运行独立核验:深度可达性分析的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在异常运行 空栏尚缺深度可达性分析在独立场景的长周期阴性结果 异名6G与未来网络称“语义通信”;见第550号第十四条“语义通信”

七、UNECE自动车道保持法规UNECE R157 ALKS

提出UNECE Regulation No. 157, entered into force 2021 and amended thereafter 争议Rubenstein, Cornejo & Nagpal, Science 345, 795–799 (2014), doi:10.1126/science.1254295。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键把限定自动驾驶功能写入型式批准

在UNECE Regulation No. 157, entered into force 2021 and amended thereafter之前,UNECE自动车道保持法规缺少把局部优化变成系统判断的支点;节点价值在于R157首次为自动车道保持系统设定运行、数据记录、驾驶可用性与最低风险动作要求。2026年评价把限定自动驾驶功能写入型式批准时,同时冻结ODD边界、天气与营销外推和对照。

因果账只许留下把限定自动驾驶功能写入型式批准这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;ODD边界、天气与营销外推只界定失效域。ODD外误用触发率报告95%区间。〔人工接管〕把UNECE自动车道保持法规UNECE R157 ALKS与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“把限定自动驾驶功能写入型式批准”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

来源链依次是UNECE Regulation No. 157, entered into force 2021 and amended thereafter、“最低法规场景能否代表完整自动驾驶能力”和“速度与换道扩展仍保留运行设计域和驾驶接管边界”。原始表公开3档配置、95%区间、5%失败谱及run ID;ODD边界、天气与营销外推导致的中止按失败计入分母。

合规只覆盖规定运行设计域,不能被营销外推为所有道路和天气的自动驾驶构成UNECE自动车道保持法规的停止线。到2026年,ODD边界、天气与营销外推一旦主导,法规场景越明确,把合规外推到ODD之外的营销风险反而越高,峰值读数便不能代表净效用。〔人工接管〕本条的边界案例应从“尚缺UNECE自动车道保持法规在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:合规只覆盖规定运行设计域,不能被营销外推为所有道路和天气的自动驾驶,法规场景越明确,把合规外推到ODD之外的营销风”究竟是偶发噪声,还是足以改变结论方向的系统反例。

部署账把“把限定自动驾驶功能写入型式批准”设为主量纲,每24h记录ODD外误用触发率、版本、漂移与恢复。ODD边界、天气与营销外推无数据就写“尚缺UNECE自动车道保持法规在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是6G与未来网络称“AI原生空口与网络”;见第550号第十五条“AI原生空口与网络”。双方共享〔17 局部最优可加总为整体最优〕最低法规场景能否代表完整自动驾驶能力;2026年跨平台转移时,ODD边界、天气与营销外推仍用同一单位、版本与失败阈值。〔人工接管〕机构采用UNECE自动车道保持法规UNECE R157 ALKS之前还应公布否决门槛:一旦“⇄系统核算后方向反转:合规只覆盖规定运行设计域,不能被营销外推为所有道路和天气的自动驾驶,法规场景越明确,把合规外推到ODD之外的营销风”出现,就暂停扩张并回到“把限定自动驾驶功能写入型式批准”的原始记录复核,该门槛必须早于部署决定写入方案。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有把限定自动驾驶功能写入型式批准 预设〔17 局部最优可加总为整体最优〕最低法规场景能否代表完整自动驾驶能力 量纲以“把限定自动驾驶功能写入型式批准”为主读数,并列样本、误差、周期和对照/UNECE自动车道保持法规UNECE R157 ALKS全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:合规只覆盖规定运行设计域,不能被营销外推为所有道路和天气的自动驾驶;法规场景越明确,把合规外推到ODD之外的营销风险反而越高 自曝人工接管独立核验:UNECE自动车道保持法规的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在人工接管 空栏尚缺UNECE自动车道保持法规在独立场景的长周期阴性结果 异名6G与未来网络称“AI原生空口与网络”;见第550号第十五条“AI原生空口与网络”

八、ISO预期功能安全ISO 21448 SOTIF

提出ISO 21448:2022, Road vehicles—Safety of the intended functionality 争议Salay, Queiroz & Czarnecki, An Analysis of ISO 26262: Using Machine Learning Safely in Automotive Software, SAE Technical Paper (2018), doi:10.4271/2018-01-1075.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键把性能不足和未知场景纳入安全工程

ISO 21448:2022, Road vehicles—Safety of the intended functionality使ISO预期功能安全从局部演示转为可审计命题,核心观察是SOTIF要求分析预期功能在合理可预见误用、触发条件和感知局限下的风险。2026年证据包把把性能不足和未知场景纳入安全工程与未知场景、历史数据与覆盖证明分别编号,并保留旧方法对照。〔撤回门槛〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺ISO预期功能安全在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:未知场景的覆盖率无法直接证明,场景库若由历史数据封闭就会漏掉结构性新风险,历史场景库越大,结构性新风险不在分母的盲”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

这里拒绝多因叙述,决定结果能否成立的只有把性能不足和未知场景纳入安全工程。〔撤回门槛〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。未知场景发现率须给95%区间。

提出证据见ISO 21448:2022, Road vehicles—Safety of the intended functionality,最强争议是“无故障系统能否因感知和场景不足而危险”,延续状态为“SOTIF与ISO 26262共同进入自动驾驶安全流程”。ISO预期功能安全交付3批未知场景、历史数据与覆盖证明数据、95%区间、5%尾部和run ID,异常逐例保留。

ISO预期功能安全不能越过未知场景的覆盖率无法直接证明,场景库若由历史数据封闭就会漏掉结构性新风险。2026年把未知场景、历史数据与覆盖证明扫过全量程时,历史场景库越大,结构性新风险不在分母的盲点反而越顽固;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“把性能不足和未知场景纳入安全工程”,随后核对未知场景、历史数据与覆盖证明。持续24h日志含未知场景发现率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺ISO预期功能安全在独立场景的长周期阴性结果”。〔撤回门槛〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项自主系统结果能否成立的只有把性能不足和未知场景纳入安全工程”的操作定义,仍能复算“以“把性能不足和未知场景纳入安全工程”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

跨域异名为6G与未来网络称“网络数字孪生”;见第550号第十六条“网络数字孪生”,不是宽泛类比。它检验〔18 干预不回写到被干预者〕无故障系统能否因感知和场景不足而危险;2026年由独立团队复跑原始记录时,未知场景、历史数据与覆盖证明的单位、阈值和停止规则保持不变。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有把性能不足和未知场景纳入安全工程 预设〔18 干预不回写到被干预者〕无故障系统能否因感知和场景不足而危险 量纲以“把性能不足和未知场景纳入安全工程”为主读数,并列样本、误差、周期和对照/ISO预期功能安全ISO 21448 SOTIF全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:未知场景的覆盖率无法直接证明,场景库若由历史数据封闭就会漏掉结构性新风险;历史场景库越大,结构性新风险不在分母的盲点反而越顽固 自曝撤回门槛独立核验:ISO预期功能安全的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在撤回门槛 空栏尚缺ISO预期功能安全在独立场景的长周期阴性结果 异名6G与未来网络称“网络数字孪生”;见第550号第十六条“网络数字孪生”

九、运行时保障架构Runtime Assurance

提出ASTM F3269-21, Standard Practice for Methods to Safely Bound Flight Behavior of Unmanned Aircraft Systems (2021) 争议Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.。 最新(2024年文献)Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.。 关键复杂控制越界时切换到已验证安全控制

ASTM F3269-21, Standard Practice for Methods to Safely Bound Flight Behavior of Unmanned Aircraft Systems (2021)把运行时保障架构钉在可复算节点:运行时保障把高性能但难验证的控制器与可验证备份及监视器组合,使实验自治有硬边界。复杂控制越界时切换到已验证安全控制须与监视器、切换逻辑与备份共因分账;〔跨域外推〕2026年复核保留旧基线、版本与失败运行。

运行时保障架构只锁定一个原因:复杂控制越界时切换到已验证安全控制。〔跨域外推〕2026年冻结对象和总预算,移除机制而方向仍在便撤回,监视器、切换逻辑与备份共因不得由峰值代偿。接管前最小时间裕量以95%区间裁决。〔跨域外推〕证据链还要把ASTM F3269-21, Standard Practice for Methods to 的起点材料与更新文献放在同一比较表里,并逐项报告“复杂控制越界时切换到已验证安全控制”在哪些设备、机构或人群中没有出现,而不是只保留成功演示。

提出卷页由ASTM F3269-21, Standard Practice for Methods to Safely Bound Flight Behavior of Unmanned Aircraft Systems (2021)锁定,反方命题是“安全切换是否能在故障前识别并保持可控”,截至2025年的延续为“运行时监控与简化安全控制器用于高保证自治”。运行时保障架构复算给3套配置、95%区间、5%尾部和run ID,监视器、切换逻辑与备份共因失败样本不清洗。

运行时保障架构的硬边界是监视器、切换逻辑或备份控制共享错误时,架构会在最需接管时同时失效。2026年把监视器、切换逻辑与备份共因推至规格外;备份控制越可靠,监视器与切换逻辑的共因失效反而越需独立验证,平均基准不能冲销反号结果。〔跨域外推〕对运行时保障架构Runtime Assurance而言,真正需要登记的不是又一个平均分,而是由“决定本项自主系统结果能否成立的只有复杂控制越界时切换到已验证安全控制”推出的每一步中介、责任人和可撤回条件,〔跨域外推〕缺少任何一环,都不能把相关性写成机制。

〔跨域外推〕工程验收以“复杂控制越界时切换到已验证安全控制”为主读数,连续24h记录接管前最小时间裕量、版本、人工接管与恢复。监视器、切换逻辑与备份共因未测即保留“尚缺运行时保障架构在独立场景的长周期阴性结果”,95%成功不能删除5%失败谱。

运行时保障架构跨域登记为6G与未来网络称“IMT-2030总体框架”;见第550号第十七条“IMT-2030总体框架”。〔跨域外推〕它共享〔18 干预不回写到被干预者〕安全切换是否能在故障前识别并保持可控,2026年送往第二平台时,监视器、切换逻辑与备份共因的对象、量纲与停止阈值均不得改名。〔跨域外推〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:监视器、切换逻辑或备份控制共享错误时,架构会在最需接管时同时失效,备份控制越可靠,监视器与切换逻辑的共因失效反而越”做至少两轮外部复算,若方向翻转,运行时保障架构Runtime Assurance的结论必须随之收窄。

位置D——把模型、工具、实现、验证与部署串成闭环 单因决定本项自主系统结果能否成立的只有复杂控制越界时切换到已验证安全控制 预设〔18 干预不回写到被干预者〕安全切换是否能在故障前识别并保持可控 量纲以“复杂控制越界时切换到已验证安全控制”为主读数,并列样本、误差、周期和对照/运行时保障架构Runtime Assurance全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:监视器、切换逻辑或备份控制共享错误时,架构会在最需接管时同时失效;备份控制越可靠,监视器与切换逻辑的共因失效反而越需独立验证 自曝跨域外推独立核验:运行时保障架构的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在跨域外推 空栏尚缺运行时保障架构在独立场景的长周期阴性结果 异名6G与未来网络称“IMT-2030总体框架”;见第550号第十七条“IMT-2030总体框架”

十、自动驾驶安全案例框架Safety Case Framework

提出Waymo, A Blueprint for AV Safety, updated 2023 争议Salay, Queiroz & Czarnecki, A Safety Assurance Framework for Machine Learning in Autonomous Vehicles, SAFECOMP Workshops, 277–293 (2017), doi:10.1007/978-3-319-66284-8_23.。 最新(2025年文献)Tiwari et al., Responsible AI Framework for Autonomous Vehicles, IEEE Access (2025).。 关键把系统、行为与运行证据汇成发布决策

自动驾驶安全案例框架由Waymo, A Blueprint for AV Safety, updated 2023固定为历史节点,新意是蓝图用分层主张连接危险、要求、仿真、封闭测试与道路运营,说明为何某版本可在某区域运行。2026年重读时把把系统、行为与运行证据汇成发布决策、软件更新、道路险情与证据过期和实现栈并列,避免把单次纪录误作系统能力。〔盲法复核〕落到复现实务,可为自动驾驶安全案例框架Safety Case Framework建立版本化对象表:输入、基线、资源预算、异常运行和人工接管分别留痕,并用“以“把系统、行为与运行证据汇成发布决策”为主读数,并列样本、误差、周期和对照”统一结算,避免换口径后仍宣称性能提高。

可消融的唯一单因是把系统、行为与运行证据汇成发布决策:2026年维持样本、版本与预算不变,仅撤去该机制;若读数仍同向,本条失败。版本证据失效比例以95%区间登记。

Waymo, A Blueprint for AV Safety, updated 2023给出起点,争议由“安全案例能否持续吸收软件更新和真实道路险情”承担,最新状态是“自主驾驶发布转向多层论证而非里程总数”。证据表列3组软件更新、道路险情与证据过期配置、95%置信区间、5%尾部和run ID,阴性运行全部进入分母。〔盲法复核〕本条的边界案例应从“尚缺自动驾驶安全案例框架在独立场景的长周期阴性结果”中抽样,而不是只从最容易成功的中心案例抽样,这样才能判断“⇄系统核算后方向反转:软件持续更新会使证据过期,若案例不随版本重算就成为历史装饰,更新越频繁,旧版本安全证据成为历史装饰的速度反而越快”究竟是偶发噪声,还是足以改变结论方向的系统反例。

边界判据写作软件持续更新会使证据过期,若案例不随版本重算就成为历史装饰。当2026年测试越过软件更新、道路险情与证据过期,更新越频繁,旧版本安全证据成为历史装饰的速度反而越快;方向翻转须先于均值进入结论。

“把系统、行为与运行证据汇成发布决策”承担验收读数,另开软件更新、道路险情与证据过期账。系统跑满24h后保留版本证据失效比例、版本、维修与中止原因;〔盲法复核〕余下5%失败及“尚缺自动驾驶安全案例框架在独立场景的长周期阴性结果”仍入正文。

自动驾驶安全案例框架的异名接口采用6G与未来网络称“可持续未来网络”;见第550号第十八条“可持续未来网络”。共同预设是〔18 干预不回写到被干预者〕安全案例能否持续吸收软件更新和真实道路险情;第二团队在2026年重放原始记录时,不得以同向代理替换软件更新、道路险情与证据过期。自动驾驶安全案例框架若不能跨版本复现,只保留为局部案例;版本证据失效比例必须公开原始记录;2026年AV安全案例逐版重签。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有把系统、行为与运行证据汇成发布决策 预设〔18 干预不回写到被干预者〕安全案例能否持续吸收软件更新和真实道路险情 量纲以“把系统、行为与运行证据汇成发布决策”为主读数,并列样本、误差、周期和对照/自动驾驶安全案例框架Safety Case Framework全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:软件持续更新会使证据过期,若案例不随版本重算就成为历史装饰;更新越频繁,旧版本安全证据成为历史装饰的速度反而越快 自曝盲法复核独立核验:自动驾驶安全案例框架的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在盲法复核 空栏尚缺自动驾驶安全案例框架在独立场景的长周期阴性结果 异名6G与未来网络称“可持续未来网络”;见第550号第十八条“可持续未来网络”

十一、无人系统网络与AI风险Uncrewed Systems Risk

提出Sheh et al., NIST workshop paper on autonomous cybersecurity and AI risk management (2023) 争议Lee, Cyber Physical Systems: Design Challenges, IEEE ISORC, 363–369 (2008).。 最新(2024年文献)Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.。 关键把网络、AI和实体后果纳入同一风险图

在Sheh et al., NIST workshop paper on autonomous cybersecurity and AI risk management (2023)之前,无人系统网络与AI风险缺少把局部优化变成系统判断的支点;节点价值在于NIST论文梳理无人系统因连接、自动化和数据依赖产生的组合风险,并映射风险管理控制。2026年评价把网络、AI和实体后果纳入同一风险图时,同时冻结跨层攻击链、物理后果与责任和对照。

因果账只许留下把网络、AI和实体后果纳入同一风险图这一项。2026年用相同对象做移除实验,机制消失而优势不变即否证;跨层攻击链、物理后果与责任只界定失效域。攻击链到实体损失映射率报告95%区间。〔结果分母〕把无人系统网络与AI风险Uncrewed Systems Risk与相邻路线比较时,统一分母至少应包含成功、失败、弃权和未覆盖对象四类,只有“以“把网络、AI和实体后果纳入同一风险图”为主读数,并列样本、误差、周期和对照”在这些类别上都可回查,跨研究比较才有意义。

来源链依次是Sheh et al., NIST workshop paper on autonomous cybersecurity and AI risk management (2023)、“连接与学习是否把网络攻击变成物理危险”和“NIST CSF 2.0与AI RMF开始共同用于无人系统”。原始表公开3档配置、95%区间、5%失败谱及run ID;跨层攻击链、物理后果与责任导致的中止按失败计入分母。

分开完成网络和AI清单仍可能遗漏跨层攻击链,责任必须沿物理后果闭合构成无人系统网络与AI风险的停止线。到2026年,跨层攻击链、物理后果与责任一旦主导,网络和AI清单越详尽,跨层链条闭合到物理后果的缺口反而越易被漏看,峰值读数便不能代表净效用。〔结果分母〕这也给出一项不依赖宣传口径的核验:独立团队只拿到冻结版本与“决定本项自主系统结果能否成立的只有把网络、AI和实体后果纳入同一风险图”的操作定义,仍能复算“以“把网络、AI和实体后果纳入同一风险图”为主读数,并列样本、误差、周期和对照”,否则所谓转向可能只是数据管线或命名变化。

部署账把“把网络、AI和实体后果纳入同一风险图”设为主量纲,每24h记录攻击链到实体损失映射率、版本、漂移与恢复。跨层攻击链、物理后果与责任无数据就写“尚缺无人系统网络与AI风险在独立场景的长周期阴性结果”;95%可用也不遮蔽5%反号。

与相邻领域的精确链接是6G与未来网络称“联合通信计算控制”;见第550号第十九条“联合通信计算控制”。双方共享〔19 代理指标不回写〕连接与学习是否把网络攻击变成物理危险;2026年跨平台转移时,跨层攻击链、物理后果与责任仍用同一单位、版本与失败阈值。〔结果分母〕面向下一轮材料,自主系统与信息物理系统应优先补齐“尚缺无人系统网络与AI风险在独立场景的长周期阴性结果”的原始记录,并把“⇄系统核算后方向反转:分开完成网络和AI清单仍可能遗漏跨层攻击链,责任必须沿物理后果闭合,网络和AI清单越详尽,跨层链条闭合到物理后果的”作为预注册反例,这两项同时公开,才能区分暂时缺证与真正失效。

位置S——把可证伪的系统净性能视为决定性资源 单因决定本项自主系统结果能否成立的只有把网络、AI和实体后果纳入同一风险图 预设〔19 代理指标不回写〕连接与学习是否把网络攻击变成物理危险 量纲以“把网络、AI和实体后果纳入同一风险图”为主读数,并列样本、误差、周期和对照/无人系统网络与AI风险Uncrewed Systems Risk全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:分开完成网络和AI清单仍可能遗漏跨层攻击链,责任必须沿物理后果闭合;网络和AI清单越详尽,跨层链条闭合到物理后果的缺口反而越易被漏看 自曝结果分母独立核验:无人系统网络与AI风险的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在结果分母 空栏尚缺无人系统网络与AI风险在独立场景的长周期阴性结果 异名6G与未来网络称“联合通信计算控制”;见第550号第十九条“联合通信计算控制”

十二、持续运行监测与安全绩效In-Service Safety Monitoring

提出UNECE VMAD and NATM guidelines for automated driving systems, 2022–2024 争议Koopman & Wagner, Autonomous Vehicle Safety: An Interdisciplinary Challenge, IEEE ITS Magazine 9, 90–96 (2017), doi:10.1109/MITS.2016.2583491.。 最新(2025年文献)Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.。 关键用持续证据替代一次型式批准

UNECE VMAD and NATM guidelines for automated driving systems, 2022–2024使持续运行监测与安全绩效从局部演示转为可审计命题,核心观察是UNECE验证方法框架要求多支柱评估并关注在用监测,使软件定义车辆的更新可被继续审查。2026年证据包把用持续证据替代一次型式批准与暴露里程、险情口径与企业可比性分别编号,并保留旧方法对照。

这里拒绝多因叙述,决定结果能否成立的只有用持续证据替代一次型式批准。〔未覆盖项〕2026年固定对象、实现和预算后做删除检验,若方向未变便退稿。每百万公里严重险情率须给95%区间。

提出证据见UNECE VMAD and NATM guidelines for automated driving systems, 2022–2024,最强争议是“上市前测试能否代表真实运行全生命周期”,延续状态为“2025年ICRA系统级监测把感知失效与恢复闭环量化”。持续运行监测与安全绩效交付3批暴露里程、险情口径与企业可比性数据、95%区间、5%尾部和run ID,异常逐例保留。〔未覆盖项〕在自主系统与信息物理系统的这一对象上,复核应把“以“用持续证据替代一次型式批准”为主读数,并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱,“尚缺持续运行监测与安全绩效在独立场景的长周期阴性结果”要单列编码,不能在汇总时并入其他项。

持续运行监测与安全绩效不能越过事故口径、暴露里程和险情报告若跨企业不可比,持续监测会退化为选择性绩效叙事。2026年把暴露里程、险情口径与企业可比性扫过全量程时,监测数据越多,不可比较口径造成的选择性安全叙事反而越强;方向一旦翻转,平均性能再高也不抵销。

验收表首先读取“用持续证据替代一次型式批准”,随后核对暴露里程、险情口径与企业可比性。持续24h日志含每百万公里严重险情率、版次、接管和修复;95%成功与5%失败同时发布,缺口写成“尚缺持续运行监测与安全绩效在独立场景的长周期阴性结果”。〔未覆盖项〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则,再针对“⇄系统核算后方向反转:事故口径、暴露里程和险情报告若跨企业不可比,持续监测会退化为选择性绩效叙事,监测数据越多,不可比较口径造成的选择性”做至少两轮外部复算,若方向翻转,持续运行监测与安全绩效In-Service Safety Monitoring的结论必须随之收窄。

跨域异名为6G与未来网络称“IMT-2030技术要求与评估”;见第550号第二十条“IMT-2030技术要求与评估”,不是宽泛类比。它检验〔20 维护成本不外置〕上市前测试能否代表真实运行全生命周期;2026年由独立团队复跑原始记录时,暴露里程、险情口径与企业可比性的单位、阈值和停止规则保持不变。

位置E——把批次、漂移、现场负载与维护纳入环境 单因决定本项自主系统结果能否成立的只有用持续证据替代一次型式批准 预设〔20 维护成本不外置〕上市前测试能否代表真实运行全生命周期 量纲以“用持续证据替代一次型式批准”为主读数,并列样本、误差、周期和对照/持续运行监测与安全绩效In-Service Safety Monitoring全部纳入比较的样本、运行或决策单元 失效⇄系统核算后方向反转:事故口径、暴露里程和险情报告若跨企业不可比,持续监测会退化为选择性绩效叙事;监测数据越多,不可比较口径造成的选择性安全叙事反而越强 自曝未覆盖项独立核验:持续运行监测与安全绩效的自主系统证据账只覆盖当前对象、实现和版本,跨平台量纲仍可能不可换算;独立撤回检查落在未覆盖项 空栏尚缺持续运行监测与安全绩效在独立场景的长周期阴性结果 异名6G与未来网络称“IMT-2030技术要求与评估”;见第550号第二十条“IMT-2030技术要求与评估”

◎ 二十年连起来看

二十个节点连起来,主线不是名词越来越多,而是自主性的决定性机制是让感知—决策—执行闭环在不确定环境中仍受可验证安全约束,而不是无人运行时长增加。早期把对象变得可执行,中期把读数送回决策,近期才开始把异常、资源和责任纳入系统。

这条历史线也显示,局部纪录通常先于完整证据账出现。面板因此保留提出、争议与最新三条来源,避免用今天的术语倒写昨天的因果。

◎ 三个常见误解

第一,自动或量子等标签不自动等于净优势;第二,峰值读数不能替代全流程分母;第三,规模扩大并不会自行消除选择偏差、漂移和外部成本。

三个误解共同源于把代理指标当作对象本身。只要损耗、人工、校准或失败样本被移出账本,任何路线都可能得到过度乐观的结论。

◎ 与相邻领域的接口

本领域向上连接基础理论,向下连接制造、软件、标准和治理。真正有用的接口是让相邻领域用同一失效条件挑战“自主性的决定性机制是让感知—决策—执行闭环在不确定环境中仍受可验证安全约束,而不是无人运行时长增加”。

接口验收要求对手明确、共同预设明确、相反点明确,并能推出一个原领域尚未提出的新实验,而不是把热门名词并排陈列。

◎ 争议现场

支持者强调新的闭环和资源已经把过去不可做的问题变成可运行系统;反方则指出大多数优势仍依赖精心选择的任务、基线和实验环境。

争议的裁决方式不是口号投票,而是冻结版本、同预算对照、跨站点复现与方向反转试验。若失败只被解释成工程细节,理论便失去被反驳的入口。

◎ 往下五年看什么

未来五年要看安全论证能否覆盖分布外场景、网络攻击、组织接管与软件更新,并把每次越界、降级和险情回写到运行时保障证据

应优先观察能否公开完整运行日志、异常分类和阴性结果,以及新一代标准是否要求端到端资源核算。单点纪录仍重要,但不足以单独改变面板判断。

◎ 可与哪些领域对撞

可对撞的领域包括控制论、因果推断、计量学、可靠性工程、科学社会学与技术治理。它们分别追问反馈、归因、溯源、长尾失败、奖励结构和责任。

对撞时应保持对象和量纲不变,只替换一个前提;如果结论因此反号,才说明接口带来了新知识。

◎ 十条可做的研究命题

建立公开失败谱,并比较只用成功数据与全量数据时结论是否反号。

把人工接管、校准和等待时间加入资源分母,重算相对旧方法的净收益。

在至少两个独立平台冻结版本复现同一方向,而非只复现最好数值。

设计移除关键机制的消融试验,检查单因主张能否被直接推翻。

将平均性能换成最坏分位数,观察路线排序是否改变。

对代理指标施加分布外扰动,寻找它与真实目标解耦的阈值。

记录中止与未完成运行,检验幸存者偏差在多大程度上制造领先。

以同总预算而非同设备时间设置经典或旧技术基线。

把能耗、耗材和退役责任延伸到生命周期,测试局部优化是否转移成本。

预注册一个会令主张失败的结果形态,并在数据到来后按原规则裁决。

◎ 资料核验

  1. Urmson et al., Journal of Field Robotics 25, 425–466 (2008), doi:10.1002/rob.20255
  2. Lee, IEEE ISORC, 363–369 (2008), doi:10.1109/ISORC.2008.25
  3. Quigley et al., ICRA Workshop on Open Source Software 3, 5 (2009)
  4. Ploeg et al., IEEE Transactions on Intelligent Transportation Systems 15, 1437–1446 (2014), doi:10.1109/TITS.2014.2299551
  5. Leveson, Engineering a Safer World, MIT Press (2011)
  6. Rubenstein, Cornejo & Nagpal, Science 345, 795–799 (2014), doi:10.1126/science.1254295
  7. NIST SP 1500-201 and 1500-202 (2017), doi:10.6028/NIST.SP.1500-201
  8. Ames et al., IEEE Transactions on Automatic Control 62, 3861–3876 (2017), doi:10.1109/TAC.2016.2638961
  9. Katz et al., CAV 2017, 97–117, doi:10.1007/978-3-319-63387-9_5
  10. Kato et al., IEEE/ACM CODES+ISSS, 1–6 (2018), doi:10.1109/CODESISSS.2018.00035
  11. Stankovic, Research Directions for the Internet of Things, IEEE Internet of Things Journal 1, 3–9 (2014), doi:10.1109/JIOT.2014.2312291.
  12. Koopman & Wagner, Challenges in Autonomous Vehicle Testing and Validation, SAE International Journal of Transportation Safety 4, 15–24 (2016), doi:10.4271/2016-01-0128.
  13. Koopman & Wagner, Autonomous Vehicle Safety: An Interdisciplinary Challenge, IEEE ITS Magazine 9, 90–96 (2017), doi:10.1109/MITS.2016.2583491.
  14. Bansal & Tomlin, IEEE ICRA, 1817–1824 (2021), doi:10.1109/ICRA48506.2021.9561949
  15. Salay, Queiroz & Czarnecki, An Analysis of ISO 26262: Using Machine Learning Safely in Automotive Software, SAE Technical Paper (2018), doi:10.4271/2018-01-1075.
  16. Salay, Queiroz & Czarnecki, A Safety Assurance Framework for Machine Learning in Autonomous Vehicles, SAFECOMP Workshops, 277–293 (2017), doi:10.1007/978-3-319-66284-8_23.
  17. Seto et al., Dynamic Control System Upgrade Using the Simplex Architecture, IEEE Control Systems 18, 72–80 (1998), doi:10.1109/37.710876.
  18. Burton et al., Mind the Gaps: Assuring the Safety of Autonomous Systems from an Engineering, Ethical, and Legal Perspective, Artificial Intelligence 279, 103201 (2020), doi:10.1016/j.artint.2019.103201.
  19. Tiwari et al., Responsible AI Framework for Autonomous Vehicles, IEEE Access (2025).
  20. Chakraborty et al., System-Level Safety Monitoring and Recovery for Perception Failures in Autonomous Vehicles, ICRA, 12885–12891 (2025), doi:10.1109/ICRA55743.2025.11128400.
  21. Lee, Cyber Physical Systems: Design Challenges, IEEE ISORC, 363–369 (2008).
  22. Derler, Lee & Vincentelli, Modeling Cyber-Physical Systems, Proceedings of the IEEE 100, 13–28 (2012), doi:10.1109/JPROC.2011.2160929.
  23. Ayerdi et al., MarMot: Metamorphic Runtime Monitoring of Autonomous Driving Systems, ACM Transactions on Cyber-Physical Systems (2024), doi:10.1145/3678171.
  24. Sharifi et al., System Safety Monitoring of Learned Components Using Data- and Model-Centric Predicates, ACM Transactions on Cyber-Physical Systems (2025), doi:10.1145/3712196.

SDEUniverses.com · 新思想前沿 | 第 551 号 | 王德生 亲撰