CN109976304A - 用于自主***的安全性推断引擎 - Google Patents

用于自主***的安全性推断引擎 Download PDF

Info

Publication number
CN109976304A
CN109976304A CN201811426417.9A CN201811426417A CN109976304A CN 109976304 A CN109976304 A CN 109976304A CN 201811426417 A CN201811426417 A CN 201811426417A CN 109976304 A CN109976304 A CN 109976304A
Authority
CN
China
Prior art keywords
security
level
machine
sensor
synthesis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811426417.9A
Other languages
English (en)
Inventor
R·F·克瓦斯尼克
H·勒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN109976304A publication Critical patent/CN109976304A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
    • B60W2050/0292—Fail-safe or redundant systems, e.g. limp-home or backup systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

描述了用于自主***的安全性推断引擎。本文描述了用于监视集成电路的故障的各种***和方法。用于监视潜在组件故障的***包括：传感器阵列接口，用于从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，所述第一传感器和所述第二传感器被安装在机器中，所述第一安全性水平和第二安全性水平指示所述机器将有多安全地操作；以及处理器，用于：从规则数据存储获得配置参数；使用所述配置参数来组合所述第一安全性水平和所述第二安全性水平以产生合成安全性水平；以及基于所述合成安全性水平发起响应动作。

Description

用于自主***的安全性推断引擎
技术领域
本文描述的实施例一般涉及集成电路(IC)***，并且具体地涉及针对故障对IC进行监视。
背景技术
在汽车情境中，高级驾驶辅助***(ADAS)***是被开发来使交通工具***自动化、适应或增强***以增加安全性并提供更好驾驶的那些***。在此类***中，安全特征被设计成通过提供向驾驶员警告潜在问题的技术来避免碰撞和事故，或通过实施保障措施和接管对交通工具的控制来避免碰撞。
ADAS依赖于能够检测物体、确定情境以及对某些驾驶情况作出反应的各种传感器、致动器和其他组件。用于ADAS的组件中的某些可包括各种类型的集成电路(IC)，这些集成电路会随时间而磨损。ADAS情境中的失效组件可能导致危险的情况。
附图说明
在附图中(这些附图不一定是按比例绘制的)，相同的数字可以描述不同视图中的类似的组件。具有不同的字母后缀的相同的数字可以表示类似组件的不同实例。在所附附图的图中通过示例而非限制性地图示出一些实施例，其中：
图1是示出根据实施例的例示出用于处理传感器信息以处理潜在组件故障的***的示意图；
图2是例示出根据实施例的例示出用于处理传感器信息以处理潜在组件故障的数据和控制流的示图；
图3是根据实施例的用于监视潜在组件故障的方法的流程图；以及
图4是图示出根据实施例的可在其上执行本文所讨论的技术(例如，方法)中的任一种或多种的示例机器的框图。
具体实施方式
在以下描述中，为了进行解释，阐述了众多具体细节以便提供对一些示例实施例的全面理解。然而，对本领域技术人员将显而易见的是，没有这些具体细节也可实践本公开。
集成电路(IC)由于随时间磨损而出现故障。当在具有自主、机器控制行为的***中实现IC时，存在可能导致安全后果(包括财产或生命的损失)的不受控故障的风险。安全性是自主***(诸如，ADAS、机器人、无人机、自主交通工具等)的规范性考虑。如此，对改进这些类型的***的安全性存在很大的兴趣。
此处描述的***和方法包括具有分级信号和动作的自主***，这些分级信号和***用于管理对***故障或未决故障的响应。决策是基于由具有预定响应的安全性推断子***评估的信号集合。信号具有两种类型：一个信号集合与不同的故障模式以及故障的可能性相关联，而第二信号集合与***性能稳定性以及自主控制下这些信号的漂移有关。
在将在下文进一步描述的各种实施例中，主机机器可装备有各种组件。组件可由自检查传感器或外部***监视，并且基于组件健康，主机机器可将安全性水平指示符进行提升(elevate)。基于经提升的安全性水平指示符，主机机器可发起各种自主响应。下文参考附图描述附加实施例。
图1是示出根据实施例的例示出用于处理传感器信息以处理潜在组件故障的***100的示意图。图1包括合并入机器104的安全性推断子***102。安全性推断子***102包括传感器阵列接口106、规则数据存储108、以及处理器110。
如在图1中描绘的，机器104可以是交通工具。要理解，机器104可以是能够进行自主动作的任何类型的机器。机器104的示例包括但不限于自主交通工具、无人机、机器人等。因此虽然讨论使用自主交通工具来描述***和方法的功能，但这些***和方法不限于此情境。
机器104可以是能够至少部分地以自主模式操作的任何类型的交通工具，诸如商用交通工具、消费者交通工具、娱乐交通工具、汽车、卡车、摩托车、船、无人机、机器人、飞机、气垫船或任何其他移动的船。
机器104可以在某些时间以其中操作者(例如，驾驶员)常规地使用踏板、方向盘和其他控制操作机器104的手动模式进行操作。在其他时间，机器104能以完全自主模式操作，其中机器104在没有用户干预的情况下操作。另外，机器104能以半自主模式操作，其中机器104控制操作的许多方面，但是操作者可使用常规输入(例如，方向盘)和非常规输入(例如，语音控制)来介入或影响操作。
机器104包括用于与各种传感器接口的传感器阵列。传感器可被用于对机器104中的一个或多个组件的健康进行监视和报告。例如，制动垫传感器可被用于监视留在交通工具的制动器上的制动垫衬片的量。作为另一示例，电池传感器可被用于监视交通工具电池的电压水平。
在一些情形中，传感器被用于收集环境信息，或者供主机机器104直接使用。例如，传感器可以是装备在机器104前方的相机，并且被配置成在机器104向前移动的同时检测收集图像。这种类型的相机传感器例如可在碰撞避免***用于检测物体。此类型的传感器可包括其自身的自检查电路***，用于监视器其自身的健康。
自主交通工具情境中的这些类型的传感器的示例包括各种面向前方、侧方和后方的相机、雷达、LiDAR(激光雷达)、超声波、或类似传感器。
安全性推断子***102可包括用于记录交通工具操作和交通工具性能、维护或状态的其他方面的机载诊断***，或者与该机载诊断***合并。机载诊断***可被编程、配置或以其他方式适配成监视传感器阵列中的一个或多个传感器的传感器健康。
机器104还可包括各种其他传感器，诸如驾驶员标识传感器(例如，座椅传感器、眼睛跟踪和标识传感器、指纹扫描仪、语音识别模块等)、乘员传感器或各种环境传感器以检测风速、室外温度、气压计应力、雨水/湿度等。
机器104的组件可使用网络进行通信，该网络可包括局域网(LAN)、广域网(WAN)、无线网络(例如，802.11或蜂窝网络)、公共交换电话网(PSTN)网络、自组织网络、个域网(例如，蓝牙)、基于交通工具的网络(例如，控制器区域网络(CAN)总线)或网络协议和网络类型的其他组合或排列。网络可包括单个局域网(LAN)或广域网(WAN)、或者LAN或WAN的组合(诸如，因特网)。耦合至网络的各种设备可经由一个或多个有线或无线连接被耦合至网络。
存储在规则数据存储108中的规则可通过本地或远程编程来更新。例如，可使用无线网络技术来递送编程以更新可被存储在规则数据存储108中的规则、值、权值、逻辑等。作为另一示例，机器可读介质(例如，闪存驱动器)可被***至机器104中的端口(例如，通用串行总线(USB)端口)，以更新规则数据存储108中的规则、值、权值、逻辑或其他数据。
在操作中，安全性推断子***102经由传感器阵列接口106从机器104中集成的传感器或者通信地耦合至机器104的传感器获得传感器数据。基于传感器数据，处理器110使用来自规则数据存储108的规则来计算***健康值。基于***健康值，处理器110可导致机器104发起或执行某些动作。***健康值可被用于指示操作***有多安全，或者更具体地，指示操作具有拥有如由传感器检测到的健康或可靠性的组件的***有多安全。
图2是例示出根据实施例的例示出用于处理传感器信息以处理潜在组件故障的数据和控制流的示图。多个传感器200A、200B…200N(统称为200)向安全性推断子***102提供数据。可使用通信接口202来更新安全性推断子***102。通信接口202可提供远程更新能力，例如，使得制造商可远程地更新安全性协议。
每个传感器200提供安全性水平信号。传感器200可被配置、编程或以其他方式适配成监视组件(例如，制动***、飞行***、相机等)。替代地，传感器200可被用于感测操作环境的诸方面，并且被配置、编程或以其他方式适配成自报告(self-report)表示其自身操作状态的安全性水平信号。
可使用各种技术来导出安全性水平信号。一个示例技术是电迁移(EM)监视器。EM监视器被用于监视一个或多个集成电路(IC)，并且基于IC经受的应力的量来进行报告。与工艺特定的设计规则相比，EM监视器可基于使用量来评估IC的磨损量并因此评估故障的可能性。较高的应力典型地指示IC故障的较高可能性。在各种实现中，可存在多个不同的EM监视器，一个EM监视器针对IC中的每个不同金属层。安全性水平信号可以是监视某个IC的各种EM监视器的合成物。另一示例技术是使用可靠性里程计。可靠性里程计可被用于监视IC或组件上的其他类型的应力。其他类型的监视技术可被用于导出安全性水平信号。
除由传感器200生成的安全性水平信号之外，还可由***监视器204生成***级安全性信号。***监视器204可独立于安全性推断子***102而行动，或者可与安全性推断子***102合并。***监视器204被用于监视各种组件的性能，并且基于组件的测量性能来报告安全性水平。***监视器204可从传感器200获得数据。例如，***监视器204可从速度计组件获得40米每小时(mph)的行进速度。***监视器204可将由速度计报告的行进速度与由全球定位***单元(GPS)报告的第二行进速度进行比较。如果速度计组件报告的速度偏离超过阈值量，则***监视器204可确定速度计组件故障并向安全性推断子***102报告误差。可允许变化的量可在规则数据存储(例如，图1的规则数据存储108)中被限定、被编程或硬编码至***监视器204、或者由试探法算法(例如，机器学习)确定。
传感器200和***监视器204以安全性推断子***102理解的范围提供安全性水平信号。可使用水平(诸如，下表1描绘的)来限定该范围。
水平 定义
1 低安全性影响
2 中等安全性影响
3 高安全性影响
4 非常高安全性影响
5 临界安全性影响
表1
要理解表1中使用的水平和值是示例性的，并且可使用任何数量的值。
在被讨论的实现中，水平1安全性影响被用于指示正常的操作状态，而水平5安全性影响被用于指示会导致可怕后果的组件的完全故障。
在一些实现中，多个组件被用于提供冗余。例如，在自主交通工具中，可存在多个碰撞避免***(例如，冗余的相机、图像分类器、处理器等)，使得如果一个***将出现故障，则其他冗余***可被激活以确保正在进行的操作。在此类配置中，一个***的故障不足以引起显著的安全性问题。如此，在示例规则设置下，当主***出现故障且冗余***在线时，监视主/冗余***的传感器可报告水平3安全性影响值。
传感器200能以规则的间隔来监视组件或报告安全性水平。间隔可基于被监视的组件的重要性来变化。例如，可以每秒对车道引导***进行采样，而可以每五分钟对空调***进行采样。
安全性推断子***102将来自各种传感器的安全性信号组合成合成安全性水平。合成安全性水平被用于引导响应。可对所有安全性信号使用简单的最大值函数(诸如，MAX(传感器值1,传感器值2,…,传感器值N))来计算合成安全性水平。以此方式，最高安全性影响水平控制安全性推断子***102。在其他实现中，安全性推断子***102可使用加权函数、决策树、机器学习算法等来组合安全性信号。权值、阈值、感知器值或其他配置变量可被存储在规则数据存储(图1中的108)中。
如果合成安全性水平反常(例如，大于当前示例中的一个)，则安全性推断子***102发起自动***响应(操作206)。针对每个可能的合成安全性水平，自动***响应206可不同。例如，表2包括可由安全性推断子***102基于合成安全性水平发起的响应动作。
表2
对于合成安全性水平2，安全性推断子***102例如可导致在交通工具仪表板上显示光。可发起其他类型的警告，诸如提供至操作者的口头、可听、可见或触觉信号。警告还可被传送至其他人或***，诸如其中制造商可编译关于交通工具操作的报告的报告数据库。警告可被提供至交通工具服务商店、交通工具所有者、或者可能对该信息感兴趣的其他人或团体。
对于合成安全性水平3，安全性推断子***102可发起一个或多个操作来确保操作安全性。某些能力可被禁用或减少。例如，在交通工具设置中，如果合成安全性水平3被确定，则交通工具可被禁用成使得其不能以快于30mph的速度行驶，或者不能操作达附加的20分钟以上。作为另一示例，自主交通工具操作可被禁用，以便操作者完全意识到交通工具的状况。
对于合成安全性水平4，安全性推断子***102可发起一个或多个操作来确保快速且立即的服务。例如，安全性推断子***102可将交通工具导航至最近的服务商店。
对于合成安全性水平5，安全性推断子***102可发起一个或多个操作来确保交通工具的乘客的安全性。例如，安全性推断子***102可使交通工具停靠路肩并关闭。安全性推断子***102可向拖车、服务交通工具、紧急响应或其他服务的发起援助呼叫。
因此，在安全性作为自主操作的关键要素的情况下，描述的***和方法提供与潜在不安全操作相称的逐步升级安全性响应。
图3是根据实施例的用于监视潜在组件故障的方法300的流程图。在302处，从第一传感器获得第一安全性水平，而从第二传感器获得第二安全性水平。第一传感器和第二传感器被安装在机器中。第一安全性水平和第二安全性水平被用于指示机器将以何种安全水平操作。
在实施例中，机器包括自主交通工具。在另一实施例中，机器包括无人机。在另一实施例中，机器包括机器人。
在各种实施例中，第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
在实施例中，第一传感器包括***监视器，用于监视机器的组件，并且在此类实施例中，第一安全性水平基于与组件的正常操作的偏离。
在实施例中，第一安全性水平是值范围内的枚举值。在进一步的实施例中，值范围是从1至5，其中较低数字指示较安全的操作，而较高数字指示机器的较不安全的操作。
在实施例中，第一安全性水平基于对第一传感器正监视的集成电路的应力或磨损的测量。在相关实施例中，第一安全性水平基于第一传感器正监视的集成电路的计算漂移(calculation drift)。在相关实施例中，第一安全性水平基于第一传感器正监视的集成电路的误差率。
在304处，从规则数据存储获得配置参数。在实施例中，配置参数包括第一权重和第二权重，第一权重和第二权重用于在加权公式中与相应地第一安全性水平和第二安全性水平一起使用。
在实施例中，配置参数包括用于决策树的阈值集合。
在实施例中，配置参数包括用作机器学习技术中的感知器值的权重集合。
在306处，使用配置参数来组合第一安全性水平和第二安全性水平以产生合成安全性水平。在实施例中，组合第一安全性水平和第二安全性水平包括使用最大值函数来将合成安全性水平设置成等于第一安全性水平和第二安全性水平中的最高安全性水平。
在实施例中，组合第一安全性水平和第二安全性水平包括使用加权函数来设置合成安全性水平，第一安全性水平和第二安全性水平中的每一个由相应的第一权重和第二权重加权。
在308处，基于合成安全性水平发起响应动作。在实施例中，发起响应动作包括确定合成安全性水平指示警告水平，以及向机器的操作者发起警告的存在。
在实施例中，发起响应动作包括确定合成安全性水平指示高安全性影响水平，以及发起机器的安全操作模式。
在实施例中，发起响应动作包括确定合成安全性水平指示临界安全性影响水平，以及发起机器的自主操作模式。在进一步的实施例中，启动自主操作模式包括指定机器的目的地，以及使机器自主导航至该目的地以供服务。在进一步的实施例中，目的地包括服务站。在相关实施例中，目的地包括路肩。此处，可使机器通过停靠路肩来自主导航至目的地，并且使机器发起援助呼叫。
各实施例可在硬件、固件和软件中的一者或组合中实现。实施例也可被实现为存储在机器可读存储设备上的指令，该指令可由至少一个处理器读取并执行，以执行本文中所描述的操作。机器可读存储设备可包括用于以可由机器(例如，计算机)读取的形式存储信息的任何非瞬态机制。例如，机器可读存储设备可包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备、以及其他存储设备和介质。
处理器子***可被用于执行机器可读介质上的指令。处理器子***可以包括一个或多个处理器，每个处理器具有一个或多个核。另外，处理器子***可被设置在一个或多个物理设备上。处理器子***可以包括一个或多个专用处理器，诸如图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或固定功能处理器。
如本文中所描述的示例可包括逻辑或者多个组件、模块或机制，或可在逻辑或者多个组件、模块或机制上操作。各模块可以是通信地耦合至一个或多个处理器以实现本文中所描述的操作的硬件、软件或固件。各模块可以是硬件模块，并且如此，各模块可被认为是能够执行指定操作的有形实体且可按特定方式来配置或布置。在示例中，能以规定的方式将电路(例如，内部地或者相对于诸如其他电路之类的外部实体)布置为模块。在示例中，一个或多个计算机***(例如，独立的客户机或服务器计算机***)或一个或多个硬件处理器的全部或部分可由固件或软件(例如，指令、应用部分、或者应用)配置为操作用于执行规定操作的模块。在示例中，软件可驻留在机器可读介质上。在示例中，软件在由模块的底层硬件执行时，使得该硬件执行规定的操作。因此，术语硬件模块被理解为涵盖有形实体，该有形实体是被物理地构造、具体地配置(例如，硬连线)、或者临时地(例如，瞬态地)配置(例如，编程)从而以所指定的方式操作或者执行本文中所描述的任何操作的部分或全部的实体。考虑到其中临时配置模块的示例，这些模块中的每一个不需要在任何一个时刻进行实例化。例如，在模块包括使用软件而配置的通用硬件处理器的情况下，通用硬件处理器可以在不同时间被配置为相应的不同模块。软件可以相应地配置硬件处理器，例如以便在一个时间实例处构成特定的模块，并且在不同的时间实例处构成不同的模块。各模块也可以是软件或固件模块，它们操作来执行本文描述的方法。
如在本文档中所使用，电路***或电路可单独或以任何组合方式包括例如：硬连线电路；可编程电路，诸如包括一个或更多单独指令处理核的计算机处理器；状态机电路；和/或存储由可编程电路执行的指令的固件。电路、电路***或模块可共同或单独地被具体化为形成较大***的一部分的电路***，该较大***例如，集成电路(IC)、片上***(SoC)、台式计算机、膝上型计算机、平板计算机、服务器、智能电话、等等。
如本文中任何实施例中所使用，术语“逻辑”可以指配置成用于执行前述操作中的任何操作的固件和/或电路。固件可被具体化为被硬编码(例如，非易失性)在存储器设备和/或电路中的代码、指令或指令集和/或数据。
如在此处的任何实施例中所使用，“电路***”例如可以单独地或以任何组合包括硬连线电路、可编程电路、状态机电路、逻辑和/或存储由可编程电路执行的指令的固件。该电路可具体化为集成电路，诸如集成电路芯片。在一些实施例中，电路可以至少部分地由处理器电路形成，该处理器电路执行与本文描述的功能相对应的代码和/或指令集(例如，软件、固件等)，从而将通用处理器转换为专用处理环境以执行本文描述的操作中的一个或多个操作。在一些实施例中，处理器电路可以被具体化为独立的集成电路，或者可以作为若干组件之一并入集成电路。在一些实施例中，节点或其他***的各种组件和电路可以组合在片上***(SoC)架构中。
图4是以计算机***400的示例形式示出根据实施例的机器的框图，在该计算机***400中，可执行指令的集合或指令序列以使该机器执行本文中讨论的方法中的任何一种方法。在替代实施例中，该机器作为独立设备进行操作，或可以被连接(例如，联网)到其他机器。在联网的部署中，该机器可在服务器-客户机网络环境中作为服务器或客户机来进行操作，或者其可在对等(或分布式)网络环境中充当对等机。该机器可以是头戴式显示器、可穿戴设备、个人计算机(PC)、平板PC、混合平板、个人数字助理(PDA)、移动电话、或能够执行指定要由该机器采取的动作的指令(顺序地或以其他方式)的任何机器。此外，虽然仅示出单个机器，但是，术语“机器”也应当认为包括单独地或联合地执行一组(或多组)指令以执行本文所讨论的方法中的任何一种或更多种方法的机器的任何集合。类似地，术语“基于处理器的***”应当认为包括由处理器(例如，计算机)控制或操作以单独地或联合地执行指令来执行本文讨论的方法中的任何一种或多种方法的一个或多个机器的任何集合。
示例计算机***400包括至少一个处理器402(例如，中央处理单元(CPU)、图形处理单元(GPU)或这两者、处理器核、计算节点等)、主存储器404和静态存储器406，这些组件通过链路408(例如，总线)彼此通信。计算机***400可进一步包括视频显示单元410、字母数字输入设备412(例如，键盘)、以及用户界面(UI)导航设备414(例如，鼠标)。在一个实施例中，视频显示单元410、输入设备412和UI导航设备414被结合到触屏显示器中。计算机***400可以附加地包括存储设备416(例如，驱动单元)、信号生成设备418(例如，扬声器)、网络接口设备420以及一个或多个传感器(未示出)，该传感器诸如全球定位***(GPS)传感器、罗盘、加速度计、陀螺仪、磁力计、或其他传感器。
存储设备416包括机器可读介质422，在该机器可读介质422上储存有一组或多组数据结构和指令424(例如，软件)，该一组或多组数据结构和指令424具体化本文所描述的方法或功能中的一者或多者，或者由本文中所描述的方法或功能中的一者或多者所利用。在由计算机***400执行指令424期间，该指令424也可完全地或至少部分地驻留在主存储器404、静态存储器406内、和/或处理器402内，主存储器404、静态存储器406和处理器402也构成机器可读介质。
虽然机器可读介质422在示例实施例中被例示为单个介质，但术语“机器可读介质”可包括存储一条或多条指令424的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“机器可读介质”也应当认为包括任何有形介质，该有形介质能够存储、编码或携带由机器执行并且使机器执行本公开的任何一种或多种方法的指令，或者能够储存、编码或携带由此类指令利用或与此类指令相关联的数据结构。术语“机器可读介质”应当相应地认为包括但不限于：固态存储器以及光和磁介质。机器可读介质的特定示例包括非易失性存储器，作为示例，包括但不限于：半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪存设备；诸如内部硬盘及可移动盘之类的磁盘；磁光盘；以及CD-ROM和DVD-ROM盘。
可使用传输介质，经由网络接口设备420，利用数个公知的传输协议(例如，HTTP)中的任何一种协议，进一步在通信网络426上传送或接收指令424。通信网络的示例包括：局域网(LAN)、广域网(WAN)、因特网、移动电话网络、普通老式电话(POTS)网络、以及无线数据网络(例如，蓝牙、Wi-Fi、3G、以及4G LTE/LTE-A、5G、DSRC或WiMAX网络)。术语“传输介质”应当认为包括能够存储、编码或携带由机器执行的指令的任何无形的介质，并且包括用于促进此类软件的通信的数字或模拟通信信号或者其他无形的介质。
附加注释和示例：
示例1是一种用于监视潜在组件故障的***，该***包括：传感器阵列接口，用于从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，第一传感器和第二传感器被安装在机器中，第一安全性水平和第二安全性水平指示机器将有多安全地操作；以及处理器，用于：从规则数据存储获得配置参数；使用配置参数来组合第一安全性水平和第二安全性水平以产生合成安全性水平；以及基于合成安全性水平发起响应动作。
示例2中，示例1的主题包括，其中机器包括自主交通工具。
示例3中，示例1-2的主题包括，其中机器包括无人机。
示例4中，示例1-3的主题包括，其中机器包括机器人。
示例5中，示例1–4的主题包括，其中第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
示例6中，示例1–5的主题包括，其中第一传感器包括***监视器，用于监视机器的组件，并且其中第一安全性水平基于与组件的正常操作的偏离。
示例7中，示例1–6的主题包括，其中第一安全性水平是值范围内的枚举值。
示例8中，示例7的主题包括，其中较低的数字指示较安全操作，而较高的数字指示机器的更不安全的操作。
示例9中，示例1–8的主题包括，其中第一安全性水平基于对第一传感器正监视的集成电路的应力或磨损的测量。
示例10中，示例1-9的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的计算漂移。
示例11中，示例1-10的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的误差率。
示例12中，示例1–11的主题包括，其中配置参数包括第一权值和第二权值，第一权值和第二权值用于在加权公式中与相应地第一安全性水平和第二安全性水平一起使用。
示例13中，示例1–12的主题包括，其中配置参数包括用于决策树的阈值集合。
示例14中，示例1-13的主题包括，其中配置参数包括用作机器学习技术中的感知器值的权值集合。
示例15中，示例1–14的主题包括，其中为了组合第一安全性水平和第二安全性水平，处理器用于：使用最大值函数来将合成安全性水平设置成等于第一安全性水平和第二安全性水平中的最高安全性水平。
示例16中，示例1-15的主题包括，其中为了组合第一安全性水平和第二安全性水平，处理器用于：使用加权函数来设置合成安全性水平，第一安全性水平和第二安全性水平中的每一个由相应的第一权值和第二权值加权。
示例17中，示例1-16的主题包括，其中为了发起响应动作，处理器用于：确定合成安全性水平指示警告水平；以及向机器的操作者发起警告呈现。
示例18中，示例1-17的主题包括，其中为了发起响应动作，处理器用于：确定合成安全性水平指示高安全性影响水平；以及发起机器的安全操作模式。
示例19中，示例1-18的主题包括，其中为了发起响应动作，处理器用于：确定合成安全性水平指示临界安全性影响水平；以及发起机器的自主操作模式。
示例20中，示例19的主题包括，其中为了启动自主操作模式，处理器用于：指定机器的目的地；以及使机器自主导航至该目的地以得到服务。
示例21中，示例20的主题包括，其中目的地包括服务站。
示例22中，示例20–21的主题包括，其中目的地包括路肩，并且其中为了使机器自主地导航至目的地，处理器用于：使机器停靠在路肩；以及使机器发起援助呼叫。
示例23是一种用于监视潜在组件故障的方法，该方法包括：从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，第一传感器和第二传感器被安装在机器中，第一安全性水平和第二安全性水平指示机器将以何种安全水平操作；从规则数据存储获得配置参数；使用配置参数来组合第一安全性水平和第二安全性水平以产生合成安全性水平；以及基于合成安全性水平发起响应动作。
示例24中，示例23的主题包括，其中机器包括自主交通工具。
示例25中，示例23-24的主题包括，其中机器包括无人机。
示例26中，示例23-25的主题包括，其中机器包括机器人。
示例27中，示例23-26的主题包括，其中第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
示例28中，示例23-27的主题包括，其中第一传感器包括***监视器，用于监视机器的组件，并且其中第一安全性水平基于与组件的正常操作的偏离。
示例29中，示例23-28的主题包括，其中第一安全性水平是值范围内的枚举值。
示例30中，示例29的主题包括，其中较低的数字指示较安全操作，而较高的数字指示机器的更不安全的操作。
示例31中，示例23-30的主题包括，其中第一安全性水平基于对第一传感器正监视的集成电路的应力或磨损的测量。
示例32中，示例23-31的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的计算漂移。
示例33中，示例23-32的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的误差率。
示例34中，示例23-33的主题包括，其中配置参数包括第一权值和第二权值，第一权值和第二权值用于在加权公式中与相应地第一安全性水平和第二安全性水平一起使用。
示例35中，示例23-34的主题包括，其中配置参数包括用于决策树的阈值集合。
示例36中，示例23-35的主题包括，其中配置参数包括用作机器学习技术中的感知器值的权值集合。
示例37中，示例23-36的主题包括，其中组合第一安全性水平和第二安全性水平包括：使用最大值函数来将合成安全性水平设置成等于第一安全性水平和第二安全性水平中的最高安全性水平。
示例38中，示例23-37的主题包括，其中组合第一安全性水平和第二安全性水平包括：使用加权函数来设置合成安全性水平，第一安全性水平和第二安全性水平中的每一个由相应的第一权值和第二权值加权。
示例39中，示例23-38的主题包括，其中发起响应动作包括：确定合成安全性水平指示警告水平；以及向机器的操作者发起警告呈现。
示例40中，示例23-39的主题包括，其中发起响应动作包括：确定合成安全性水平指示高安全性影响水平；以及发起机器的安全操作模式。
示例41中，示例23-40的主题包括，其中发起响应动作包括：确定合成安全性水平指示临界安全性影响水平；以及发起机器的自主操作模式。
示例42中，示例41的主题包括，其中启动自主操作模式包括：指定机器的目的地；以及使机器自主导航至该目的地以得到服务。
示例43中，示例42的主题包括，其中目的地包括服务站。
示例44中，示例42-43的主题包括，其中目的地包括路肩，并且其中使机器自主地导航至目的地包括：使机器停靠在路肩；以及使机器发起援助呼叫。
示例45是包括指令的至少一种机器可读介质，指令在被机器执行时使机器执行示例23-44的方法中的任一者的操作。
示例46是一种包括用于执行示例23-44的方法中的任一项的装置的设备。
示例47是一种用于监视潜在组件故障的设备，该设备包括：用于从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平的装置，第一传感器和第二传感器被安装在机器中，第一安全性水平和第二安全性水平指示机器将以何种安全水平操作；用于从规则数据存储获得配置参数的装置；用于使用配置参数来组合第一安全性水平和第二安全性水平以产生合成安全性水平的装置；以及用于基于合成安全性水平发起响应动作的装置。
示例48中，示例47的主题包括，其中机器包括自主交通工具。
示例49中，示例47-48的主题包括，其中机器包括无人机。
示例50中，示例47-49的主题包括，其中机器包括机器人。
示例51中，示例47-50的主题包括，其中第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
示例52中，示例47-51的主题包括，其中第一传感器包括***监视器，用于监视机器的组件，并且其中第一安全性水平基于与组件的正常操作的偏离。
示例53中，示例47-52的主题包括，其中第一安全性水平是值的范围内的枚举值。
示例54中，示例53的主题包括，其中较低的数字指示较安全操作，而较高的数字指示机器的更不安全的操作。
示例55中，示例47-54的主题包括，其中第一安全性水平基于对第一传感器正监视的集成电路的应力或磨损的测量。
示例56中，示例47-55的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的计算漂移。
示例57中，示例47-56的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的误差率。
示例58中，示例47-57的主题包括，其中配置参数包括第一权值和第二权值，第一权值和第二权值用于在加权公式中与相应地第一安全性水平和第二安全性水平一起使用。
示例59中，示例47-58的主题包括，其中配置参数包括用于决策树的阈值集合。
示例60中，示例47-59的主题包括，其中配置参数包括用作机器学习技术中的感知器值的权值集合。
示例61中，示例47-60的主题包括，其中用于组合第一安全性水平和第二安全性水平的装置包括：用于使用最大值函数来将合成安全性水平设置成等于第一安全性水平和第二安全性水平中的最高安全性水平的装置。
示例62中，示例47-61的主题包括，其中用于组合第一安全性水平和第二安全性水平的装置包括：用于使用加权函数来设置合成安全性水平的装置，第一安全性水平和第二安全性水平中的每一个由相应的第一权值和第二权值加权。
示例63中，示例47-62的主题包括，其中用于发起响应动作的装置包括：用于确定合成安全性水平指示警告水平的装置；以及用于向机器的操作者发起警告呈现的装置。
示例64中，示例47-63的主题包括，其中用于发起响应动作的装置包括：用于确定合成安全性水平指示高安全性影响水平的装置；以及用于发起机器的安全操作模式的装置。
示例65中，示例47-64的主题包括，其中用于发起响应动作的装置包括：用于确定合成安全性水平指示临界安全性影响水平的装置；以及用于发起机器的自主操作模式的装置。
示例66中，示例65的主题包括，其中用于启动自主操作模式的装置包括：用于指定机器的目的地的装置；以及用于使机器自主导航至该目的地以得到服务的装置。
示例67中，示例66的主题包括，其中目的地包括服务站。
示例68中，示例66-67的主题包括，其中目的地包括路肩，并且其中用于使机器自主地导航至目的地的装置包括：用于使机器停靠在路肩的装置；以及用于使机器发起援助呼叫的装置。
示例69是包括用于监视潜在组件故障的指令的至少一种机器可读介质，该指令在被机器执行时，使机器执行包括以下步骤的操作：从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，第一传感器和第二传感器被安装在机器中，第一安全性水平和第二安全性水平指示机器将以何种安全水平操作；从规则数据存储获得配置参数；使用配置参数来组合第一安全性水平和第二安全性水平以产生合成安全性水平；以及基于合成安全性水平发起响应动作。
示例70中，示例69的主题包括，其中机器包括自主交通工具。
示例71中，示例69-70的主题包括，其中机器包括无人机。
示例72中，示例69-71的主题包括，其中机器包括机器人。
示例73中，示例69-72的主题包括，其中第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
示例74中，示例69-73的主题包括，其中第一传感器包括***监视器，用于监视机器的组件，并且其中第一安全性水平基于与组件的正常操作的偏离。
示例75中，示例69-74的主题包括，其中第一安全性水平是值范围内的枚举值。
示例76中，示例75的主题包括，其中较低的数字指示较安全操作，而较高的数字指示机器的更不安全的操作。
示例77中，示例69-76的主题包括，其中第一安全性水平基于对第一传感器正监视的集成电路的应力或磨损的测量。
示例78中，示例69-77的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的计算漂移。
示例79中，示例69-78的主题包括，其中第一安全性水平基于第一传感器正监视的集成电路的误差率。
示例80中，示例69-79的主题包括，其中配置参数包括第一权值和第二权值，第一权值和第二权值用于在加权公式中与相应地第一安全性水平和第二安全性水平一起使用。
示例81中，示例69-80的主题包括，其中配置参数包括用于决策树的阈值集合。
示例82中，示例69-81的主题包括，其中配置参数包括用作机器学习技术中的感知器值的权值集合。
示例83中，示例69-82的主题包括，其中组合第一安全性水平和第二安全性水平包括：使用最大值函数来将合成安全性水平设置成等于第一安全性水平和第二安全性水平中的最高安全性水平。
示例84中，示例69-83的主题包括，其中组合第一安全性水平和第二安全性水平包括：使用加权函数来设置合成安全性水平，第一安全性水平和第二安全性水平中的每一个由相应的第一权值和第二权值加权。
示例85中，示例69-84的主题包括，其中发起响应动作包括：确定合成安全性水平指示警告水平；以及向机器的操作者发起警告呈现。
示例86中，示例69-85的主题包括，其中发起响应动作包括：确定合成安全性水平指示高安全性影响水平；以及发起机器的安全操作模式。
示例87中，示例69-86的主题包括，其中发起响应动作包括：确定合成安全性水平指示临界安全性影响水平；以及发起机器的自主操作模式。
示例88中，示例87的主题包括，其中启动自主操作模式包括：指定机器的目的地；以及使机器自主导航至该目的地以得到服务。
示例89中，示例88的主题包括，其中目的地包括服务站。
示例90中，示例88-89的主题包括，其中目的地包括路肩，并且其中使机器自主地导航至目的地包括：使机器停靠在路肩；以及使机器发起援助呼叫。
示例91是包括指令的至少一种机器可读介质，指令在被处理器子***执行时，使得处理器子***执行操作以实现示例1-90中的任一示例。
示例92是一种设备，包括用于实现示例1-90中的任一示例的装置。
示例93是一种***，用于实现示例1-90中的任一示例。
示例94是一种方法，用于实现示例1-90中的任一示例。
以上具体实施方式包括对附图的引用，附图形成具体实施方式的部分。附图通过图示来示出可实践的特定实施例。这些实施例在本文中也被称为“示例”。此类示例可包括除所示出或所描述的那些元件以外的元件。然而，还构想了包括所示出或所描述的元件的示例。此外，还构想了使用所示出或所描述的那些元件(或其一个或多个方面)的任何组合或排列的示例，或参照本文中所示出或所描述的特定示例(或其一个或多个方面)，或参照本文中所示出或所描述的其他示例(或其一个或多个方面)。
在此文档中引用的出版物、专利和专利文档通过引用被整体结合在本文中，就好像通过引用单独地被结合那样。在本文档与通引用结合在的那些文档之间不一致的用法的情况下，所结合的(诸)引用文档中的用法是对此文档的用法的补充；对于不可调和的不一致性，此文档中的用法占主导。
在此文档中，如在专利文档中常见的那样，使用术语“一(a或an)”以包括一个或多于一个，这独立于“至少一个”或“一个或多个”的任何其他实例或用法。在此文档中，使用术语“或”来指非排他性的或，使得除非另外指示，否则“A或B”包括“A但非B”、“B但非A”、以及“A和B”。在所附权利要求书中，术语“包括(including)”和“其中(in which)”被用作相应的术语“包括(comprising)”和“其中(wherein)”的普通英语等价词。此外，在所附权利要求书中，术语“包括”和“包含”是开放式的，也就是说，在权利要求中除此类术语之后列举的那些元件之外的元件的***、设备、制品或过程仍被视为落在那项权利要求的范围内。此外，在所附权利要求书中，术语“第一”、“第二”和“第三”等仅被用作标记，并且不旨在表明对它们的对象的数字顺序。
以上描述旨在是说明性的，而非限制性的。例如，可结合其他实施例来使用以上所描述的示例(或者其一个或多个方面)。诸如，本领域普通技术人员可通过回顾以上描述来使用其他实施例。摘要允许读者快速地确定本技术公开的性质。提交该摘要应当理解，该摘要将不用于限制或解释权利要求的范围或含义。此外，在以上具体实施方式中，各种特征可共同成组以使本公开流畅。然而，权利要求可以不陈述本文中所公开的每一特征，因为实施例的特征可以是所述特征的子集。进一步地，实施例可包括比特定示例中所公开的那些特征更少的特征。因此，所附权利要求书由此被结合到具体实施方式中，一项权利要求作为单独的实施例而独立存在。本文中所公开的实施例的范围应当参照所附权利要求书连同此类权利要求所赋予权利的等价方案的完整范围来确定。

Claims (25)

1.一种用于监视潜在组件故障的***，所述***包括：
传感器阵列接口，用于从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，所述第一传感器和所述第二传感器被安装在机器中，所述第一安全性水平和所述第二安全性水平指示所述机器将有多安全地操作；以及
处理器，用于：
从规则数据存储获得配置参数；
使用所述配置参数来组合所述第一安全性水平和所述第二安全性水平以产生合成安全性水平；以及
基于所述合成安全性水平发起响应动作。
2.如权利要求1所述的***，其特征在于，所述机器包括自主交通工具。
3.如权利要求1所述的***，其特征在于，所述第一传感器包括***监视器，用于监视所述机器的组件，并且其中所述第一安全性水平基于与所述组件的正常操作的偏离。
4.如权利要求1所述的***，其特征在于，所述第一安全性水平是值范围内的枚举值。
5.如权利要求4所述的***，其特征在于，所述值范围是从1至5，其中较低数字指示较安全的操作，而较高数字指示所述机器的更不安全的操作。
6.如权利要求1所述的***，其特征在于，所述第一安全性水平基于对所述第一传感器正监视的集成电路的应力或磨损的测量。
7.如权利要求1所述的***，其特征在于，所述第一安全性水平基于所述第一传感器正监视的集成电路的计算漂移。
8.如权利要求1所述的***，其特征在于，所述第一安全性水平基于所述第一传感器正监视的集成电路的误差率。
9.如权利要求1所述的***，其特征在于，为了组合所述第一安全性水平和所述第二安全性水平，所述处理器用于：
使用最大值函数来将所述合成安全性水平设置成等于所述第一安全性水平和所述第二安全性水平中的最高安全性水平。
10.如权利要求1所述的***，其特征在于，为了发起所述响应动作，所述处理器用于：
确定所述合成安全性水平指示临界安全性影响水平；以及
发起所述机器的自主操作模式。
11.如权利要求10所述的***，其特征在于，为了发起所述自主操作模式，所述处理器用于：
指定所述机器的目的地；以及
使所述机器自主地导航至所述目的地以得到服务。
12.如权利要求11所述的***，其特征在于，所述目的地包括服务站。
13.如权利要求11所述的***，其特征在于，所述目的地包括道路的路肩，并且其中为了使所述机器自主地导航至所述目的地，所述处理器用于：
使所述机器停靠在所述路肩；以及
使所述机器发起援助呼叫。
14.一种用于监视潜在组件故障的方法，所述方法包括：
从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平，所述第一传感器和所述第二传感器被安装在机器中，所述第一安全性水平和所述第二安全性水平指示所述机器将有多安全地操作；
从规则数据存储获得配置参数；
使用所述配置参数来组合所述第一安全性水平和所述第二安全性水平以产生合成安全性水平；以及
基于所述合成安全性水平发起响应动作。
15.如权利要求14所述的方法，其特征在于，所述机器包括自主交通工具。
16.如权利要求14所述的方法，其特征在于，所述第一传感器是可见光相机、声学传感器、激光扫描仪、或雷达。
17.如权利要求14所述的方法，其特征在于，所述第一传感器包括***监视器，用于监视所述机器的组件，并且其中所述第一安全性水平基于与所述组件的正常操作的偏离。
18.如权利要求14所述的方法，其特征在于，发起所述响应动作包括：
确定所述合成安全性水平指示警告水平；以及
向所述机器的操作者发起警告呈现。
19.如权利要求14所述的方法，其特征在于，发起所述响应动作包括：
确定所述合成安全性水平指示高安全性影响水平；以及
发起所述机器的安全操作模式。
20.如权利要求14所述的方法，其特征在于，发起所述响应动作包括：
确定所述合成安全性水平指示临界安全性影响水平；以及
发起所述机器的自主操作模式。
21.如权利要求20所述的方法，其特征在于，发起所述自主操作模式包括：
指定所述机器的目的地；以及
使所述机器自主地导航至所述目的地以得到服务。
22.如权利要求21所述的方法，其特征在于，所述目的地包括服务站。
23.如权利要求21所述的方法，其特征在于，所述目的地包括道路的路肩，并且其中使所述机器自主地导航至所述目的地包括：
使所述机器停靠在所述路肩；以及
使所述机器发起援助呼叫。
24.至少一种机器可读介质，包括指令，所述指令在被机器执行时使所述机器执行如权利要求14-23中任一项所述的方法的操作。
25.一种用于监视潜在组件故障的设备，所述设备包括：
用于从第一传感器获得第一安全性水平以及从第二传感器获得第二安全性水平的装置，所述第一传感器和所述第二传感器被安装在机器中，所述第一安全性水平和所述第二安全性水平指示所述机器将有多安全地操作；
用于从规则数据存储获得配置参数的装置；
用于使用所述配置参数来组合所述第一安全性水平和所述第二安全性水平以产生合成安全性水平的装置；以及
用于基于所述合成安全性水平发起响应动作的装置。
CN201811426417.9A 2017-12-27 2018-11-27 用于自主***的安全性推断引擎 Pending CN109976304A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/855,842 US10513272B2 (en) 2017-12-27 2017-12-27 Safety inference engine for autonomous systems
US15/855,842 2017-12-27

Publications (1)

Publication Number Publication Date
CN109976304A true CN109976304A (zh) 2019-07-05

Family

ID=65274704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811426417.9A Pending CN109976304A (zh) 2017-12-27 2018-11-27 用于自主***的安全性推断引擎

Country Status (3)

Country Link
US (1) US10513272B2 (zh)
CN (1) CN109976304A (zh)
DE (1) DE102018129978A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10703382B2 (en) * 2017-05-16 2020-07-07 Uatc, Llc Self-driving delivery of optionally-driven vehicles
WO2019245614A2 (en) 2018-03-09 2019-12-26 Innovusion Ireland Limited Lidar safety systems and methods
DE102018203705A1 (de) * 2018-03-12 2019-09-12 Robert Bosch Gmbh Teilnehmerstation für ein serielles Bussystem und Verfahren zur Datenübertragung in einem seriellen Bussystem
US11614526B1 (en) * 2018-08-24 2023-03-28 Innovusion, Inc. Virtual windows for LIDAR safety systems and methods
CN110497909B (zh) * 2019-07-17 2021-06-29 百度在线网络技术（北京）有限公司 应用于车辆的碰撞检测和避免方法及装置
US12020149B2 (en) * 2019-10-28 2024-06-25 Micron Technology, Inc. Distributed neural network processing on an intelligent image sensor stack
US11794759B2 (en) * 2020-03-26 2023-10-24 Gm Cruise Holdings Llc Automatic testing of autonomous vehicles

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604165A (zh) * 2009-07-10 2009-12-16 奇瑞汽车股份有限公司 一种混合动力汽车车载诊断***及其诊断方法
CN102968107A (zh) * 2012-11-28 2013-03-13 北京理工大学 电动汽车远程监控方法和***
US20140074345A1 (en) * 2012-09-13 2014-03-13 Chanan Gabay Systems, Apparatuses, Methods, Circuits and Associated Computer Executable Code for Monitoring and Assessing Vehicle Health
CN104599443A (zh) * 2015-01-12 2015-05-06 江苏省交通规划设计院股份有限公司 一种基于信息融合的驾驶行为预警车载终端及其预警方法
US20160025027A1 (en) * 2013-03-15 2016-01-28 Angel Enterprise Systems, Inc. Engine analysis and diagnostic system
US9520006B1 (en) * 2014-08-28 2016-12-13 Allstate Insurance Company Vehicle diagnostics
CN107020957A (zh) * 2017-04-10 2017-08-08 重庆长安汽车股份有限公司 一种纯电动汽车的故障处理方法、***及纯电动汽车

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2958587B1 (fr) * 2010-04-12 2012-04-27 Renault Sa Procede de gestion d'un dispositif de repartition du couple moteur entre des trains de roues avant et arriere d'un vehicule.
US9594725B1 (en) * 2013-08-28 2017-03-14 Lytx, Inc. Safety score using video data but without video
US20210295439A1 (en) * 2016-01-22 2021-09-23 State Farm Mutual Automobile Insurance Company Component malfunction impact assessment
US10571908B2 (en) * 2016-08-15 2020-02-25 Ford Global Technologies, Llc Autonomous vehicle failure mode management

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604165A (zh) * 2009-07-10 2009-12-16 奇瑞汽车股份有限公司 一种混合动力汽车车载诊断***及其诊断方法
US20140074345A1 (en) * 2012-09-13 2014-03-13 Chanan Gabay Systems, Apparatuses, Methods, Circuits and Associated Computer Executable Code for Monitoring and Assessing Vehicle Health
CN102968107A (zh) * 2012-11-28 2013-03-13 北京理工大学 电动汽车远程监控方法和***
US20160025027A1 (en) * 2013-03-15 2016-01-28 Angel Enterprise Systems, Inc. Engine analysis and diagnostic system
US9520006B1 (en) * 2014-08-28 2016-12-13 Allstate Insurance Company Vehicle diagnostics
CN104599443A (zh) * 2015-01-12 2015-05-06 江苏省交通规划设计院股份有限公司 一种基于信息融合的驾驶行为预警车载终端及其预警方法
CN107020957A (zh) * 2017-04-10 2017-08-08 重庆长安汽车股份有限公司 一种纯电动汽车的故障处理方法、***及纯电动汽车

Also Published As

Publication number Publication date
US10513272B2 (en) 2019-12-24
US20190047580A1 (en) 2019-02-14
DE102018129978A1 (de) 2019-06-27

Similar Documents

Publication Publication Date Title
CN109976304A (zh) 用于自主***的安全性推断引擎
US20240071150A1 (en) Vehicle Management System
US11584370B1 (en) Systems and methods for reconstruction of a vehicular crash
TWI754068B (zh) 用於基於運動資料識別駕駛行為的裝置和方法
CN104859662B (zh) 自主车辆中的故障处理
US11481848B1 (en) Blockchain controlled multi-carrier auction system for usage-based auto insurance
US12014424B2 (en) Autonomous vehicle premium computation using predictive models
US11900738B2 (en) Systems and methods to obtain feedback in response to autonomous vehicle failure events
US11821741B2 (en) Stress map and vehicle navigation route
US10106156B1 (en) Systems and methods for reconstruction of a vehicular crash
US20180165895A1 (en) Vehicle Management System
US20210380127A1 (en) Electronic device and control method therefor
US20180233038A1 (en) Aerial drone for correcting erratic driving of a vehicle
CN107521485A (zh) 基于车辆制动的驾驶行为分析
US20190248378A1 (en) Autonomous Vehicle Interface System With Multiple Interface Devices Featuring Redundant Vehicle Commands
CA3047095C (en) Vehicle management system
US11772674B2 (en) Systems and methods for increasing the safety of voice conversations between drivers and remote parties
US20230112797A1 (en) Systems and methods for using artificial intelligence to present geographically relevant user-specific recommendations based on user attentiveness
US20200218263A1 (en) System and method for explaining actions of autonomous and semi-autonomous vehicles
US20220073085A1 (en) Knowledge distillation for autonomous vehicles
US20240242116A1 (en) Systems and techniques for measuring model sensitivity and feature importance of machine learning models
US20230150491A1 (en) Systems and methods for reconstruction of a vehicular crash
US20240034348A1 (en) Live remote assistance request and response sessions
US20240112562A1 (en) Systems and methods for increasing the safety of voice conversations between drivers and remote parties
WO2019125277A1 (en) Method and control arrangement in a transportation surveillance system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination