[发明专利]感知系统错误检测和重新验证

说明书

本发明涉及感知系统错误检测和重新验证。传感器数据评估设备可以包括人工神经网络，被配置成用于接收第一测试数据并对第一测试数据进行处理，并输出第一测试数据输出，其中第一测试数据表示检测传感器输入的第一传感器的传感器数据；以及一个或多个处理器，被配置成用于接收表示第二传感器的缺陷的传感器缺陷信息；生成第二测试数据，其中第二测试数据基于传感器缺陷信息；实现人工神经网络以接收第二测试数据并对第二测试数据进行处理；并且从输出层输出第二测试数据输出；确定第一测试数据输出与第二测试数据输出之间的差异；以及如果该差异在一个或多个预定范围之外或不满足一个或多个预定标准，则发送表示所确定的差异的结果的信号。

技术领域

本公开的各个方面总体上涉及传感器错误检测、传感器降级检测、感知系统错误检测、感知系统重新训练和/或感知系统重新验证。

背景技术

已知使用机器学习(也被称为人工智能(AI))在深度网络上(诸如在数据中心中)开发和执行感知功能，并且随后在嵌入式系统中部署经训练的AI功能。嵌入式系统可以被理解为一起操作以在更大的系统内执行特定功能的硬件和软件。此类嵌入式系统可以在各种设备(诸如，但不限于智能相机)中并且在用于自主系统(诸如机器人或自主交通工具)的感知功能中操作。

这些AI功能可以诸如例如通过使用深度神经网络在监督式学习的上下文中被确定。它们通常利用大的数据集合(例如大的注释数据集合)进行训练，这可能在计算上要求非常高。此类过程可以例如在嵌入式系统设备外部的数据中心中被常规地执行。

可能期望对所得到的系统进行证实，以确保适当的功能和安全操作。这种证实也可能需要大量的数据和相当大的计算资源。一旦训练完成并已经被授予证实，实际的AI功能可以被部署，诸如被部署在嵌入式系统中。

此类嵌入式系统可以依赖于多个传感器，这些传感器可以被配置成用于确定传感器数据，并且该传感器数据可以被输入到感测操作中的AI功能的一个或多个AI功能中。然而，包括此类嵌入式系统的许多设备可能被预期在很长的时段(例如，多个月或年的时段)内保持使用，并且此类嵌入式系统的特性可能诸如由于传感器老化、传感器损坏、或可能导致嵌入式系统的感知和/或其他认知功能的性能下降的其他传感器降级而在设备的生命周期内改变。此类性能的改变可能影响先前对该嵌入式系统的证实。

附图说明

在附图中，贯穿不同的视图，相同的附图标记一般指代相同部分。这些附图不一定是按比例的，而是一般着重于说明本公开的示例性原理。在下列描述中，参照下列附图描述本公开的各个示例性方面，在附图中：

图1示出根据本公开的各个方面的示例性自主交通工具；

图2示出根据本公开的各个方面的交通工具的安全性系统的各种示例性电子组件；

图3描绘了根据本公开的一方面的传感器损坏/降级；

图4示出了根据本公开的一方面的嵌入式感知系统的组件和信号流；

图5描述了根据本公开的一方面的传感器数据评估系统；

图6描绘了根据本公开的一方面的系统重新证实；

图7描绘传感器数据评估设备；以及

图8描绘传感器数据评估的方法。

具体实施方式

下列具体实施方式引用附图，这些附图通过说明的方式示出示例性细节以及本公开可在其中实施的各方面。

在本申请中使用词“示例性”来意指“充当示例、实例或说明”。本文中或设计被描述为“示例性”的本公开或设计的任何方面不一定要被解释为相比本公开或设计的其他方面更优选或有利。

贯穿附图，应注意，除非另有说明，否则相同的附图标记用于描绘相同或相似的要素、特征和结构。