13、自主中心线跟踪神经网络分析案例研究

自主中心线跟踪神经网络分析案例研究

1. 引言

深度学习神经网络（DNNs）在诸多领域得到了广泛应用，如自动驾驶和飞行等安全关键领域。然而，目前人们并不清楚网络为何会产生特定输出，这对于建立对其行为的信任至关重要。此外，对于安全关键应用，获得网络一致行为的保证也非常关键。因此，迫切需要能够帮助分析和理解神经网络模型的工具和技术。

本文将介绍一种名为Prophecy的技术，用于分析和理解用于机场滑行道上飞机自主引导的神经网络。自主中心线跟踪（ACT）神经网络以跑道的单张图片为输入，返回飞机相对于跑道中心线的位置，输出包括横向误差（cross track error, y0）和航向误差（heading error, y1）。这些输出通常会被输入到控制器中，以操纵飞机使其保持在跑道中心附近。

我们的目标是理解ACT神经网络模型的行为，并针对工业合作伙伴提出的两种输出属性提供一致行为的保证：
- 正确性属性 ：通过将模型输出与理想值进行比较，使用误差范围来指定模型正确行为的条件，形式为：|y0 - y0ideal| ≤ 1.0 m，|y1 - y1ideal| ≤ 5°。
- 安全属性 ：使用跑道尺寸指定安全操作的条件，形式为：|y0| ≤ 10.0 m，|y1| ≤ 90°。

2. 自主中心线跟踪分析概述

跑道或滑行道上的中心线跟踪是机场最重要的地面操作之一。飞机在滑行时需要遵循滑行道和跑道的中心线。中心线在机场跑道和滑行道的路面上有标准的形状和颜色，但由于多种原因，如滑行痕迹、照明条件差和恶劣天气，可能不太明显。

我们的分析框