15、基于人工智能的列车障碍物与标志检测系统研究

基于人工智能的列车障碍物与标志检测系统研究

1. 案例研究：基于人工智能的障碍物与标志检测

我们聚焦于一个用于机车调车作业的障碍物检测系统案例。该系统由泰雷兹（现地面运输系统）制定了一系列要求和任务指令。系统主要包含基于人工智能的感知系统和确定性转向系统。感知系统负责检测和分类障碍物（如人员、动物、车辆等）以及铁路基础设施元素，转向系统则依据这些信息对机车移动做出决策。

1.1 验证感知系统

感知系统的验证对于确保自主列车系统的安全和可靠性至关重要。有一项相关属性（REC1 - 5，从泰雷兹的需求文档中提取）规定：感知系统必须在识别点定位、信号状态、脱轨器、货车和人员方面比人类表现更优。

当前，标准化工作主要通过展示良好的性能指标、全面的训练数据、良好的测试覆盖率以及对过拟合等常见问题的鲁棒性，来为基于人工智能的感知系统建立安全案例。我们希望探索更正式的方法能为这一途径增添多少价值。虽然在形式化验证神经网络方面已付出诸多努力，但目前尚无方法能扩展到大型网络或处理复杂的高级属性。

另一种正式方法是认证控制架构。其核心思想是，人工智能组件除了正常输出外，还会生成一个证书，用于证明其输出的正确性。这个证书随后由一个经过形式化验证的可信监控组件进行检查，以确保满足安全要求。这样，即便人工智能组件未经过验证，我们仍能对结果的准确性有一定信心。

在本案例研究的最简形式中，仅考虑了单个摄像头传感器。不过，研究重点并非感知系统的复杂性或全面性，而是认证控制在验证感知系统对障碍物分类和检测能力方面的应用。首先，我们聚焦于调车标志的检测，而非像人类或动物这样在几何形状上更具挑战性的障碍物。

为实现标志分类的认证控制器