关于分布式安全自动驾驶的 STPA：一项访谈研究
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文探讨了使用 ChatGPT 进行自动驾驶系统安全性分析的可行性与局限性，提出了三种与人类专家互动的方法，并强调更多互动能提高分析效果。同时，文章讨论了实时安全评估方法及其在非稳态环境中的应用，指出未来研究的关键挑战。
🔎
延伸解读
ChatGPT 用于 STPA 的可行性与局限
文章探讨了使用 ChatGPT 对自动紧急制动系统进行 STPA 安全性分析。研究发现，ChatGPT 能够辅助生成分析内容，但存在局限性。通过设计三种与人类专家的交互方法，实验表明更多交互能提升分析效果。这提示在安全关键领域，大语言模型宜作为辅助工具，而非完全替代人类专家。
实时安全评估在非稳态环境中的挑战
文章综述了非稳态环境下实时安全评估方法，包括在线主动学习、半监督学习、迁移学习和异常检测等技术。这些方法旨在应对环境动态变化，但面临定义、分类和主要挑战。未来研究需进一步探索如何将这些技术集成到自动驾驶系统中，以确保实时安全性。
代理模型验证 ADS 安全特性的实用方法
文章提出一种实用验证方法：建立量化描述交通场景下 ADS 行为的代理模型，并通过证明安全特性来保证原 ADS 性能。该方法探索了危险驾驶的安全与不安全参数空间，并通过多个模拟交通场景评估安全特性，展示了其实用性。这为自动驾驶系统安全验证提供了新思路。
❓
Q&A
使用 ChatGPT 进行自动驾驶系统安全性分析的可行性如何？
使用 ChatGPT 进行自动驾驶系统安全性分析具有一定的可行性，但也存在局限性。
文章中提到的三种与人类专家互动的方法是什么？
文章提出了三种与人类专家进行交互式安全性分析的方法，具体细节未详细列出。
实时安全评估方法在非稳态环境下的应用有哪些？
实时安全评估方法包括在线主动学习、在线半监督学习、在线迁移学习和在线异常检测等技术。
如何验证自动驾驶系统的安全性？
通过建立量化描述交通场景下 ADS 行为的代理模型来验证自动驾驶系统的安全性。
文章中提到的未来研究的关键挑战是什么？
未来研究的关键挑战主要集中在自动驾驶系统的安全保障和验证方面。
危险驾驶的安全和不安全参数空间是如何探索的？
通过评估多个模拟交通场景下的安全特性来探索危险驾驶的安全和不安全参数空间。
🏷️
