Ignite与OST携手攻克自动驾驶汽车AI合规难题

随着英国监管机构开放自动驾驶出租车、公共汽车及网约车的运营申请，Forvia Hella旗下可扩展软件定义汽车（SDV）企业Ignite宣布与三星电子旗下AI软件公司牛津语义技术公司（OST）展开合作，致力于打造一套"可解释"AI服务，帮助自动驾驶汽车（AV）证明其符合道路安全合规要求。

双方指出，此次合作的背景是，主流自动驾驶汽车提供商正面临日益复杂的决策挑战。部分自动驾驶车辆已出现驶入积水道路等安全事故，引发业界广泛关注。

与此同时，双方表示，尽管自动驾驶汽车的行驶性能持续提升，制造商仍缺乏有效手段来大规模证明车辆的安全性、合规性和决策逻辑。这一问题已成为推进更高自动化等级的主要障碍——制造商在从L2级（部分驾驶自动化，驾驶员依法承担责任）升级至L3级（有条件驾驶自动化，制造商承担责任）乃至L4级（完全自动驾驶）的过程中，均面临重重阻碍。

此次合作旨在通过提供大规模证明安全性、合规性和决策逻辑的方法，帮助行业突破从L2级到L4级自动驾驶的发展瓶颈。同时，合作还将为软件工程师提供一个"白盒"工具，使其能够理解AI的决策过程，从而完善安全功能，并以实证数据获得监管机构的认证。

在自动驾驶汽车领域，基于知识的AI可充当车辆的"规则手册"与"记忆系统"——实时记录车辆的所有行为，与交通规则进行交叉比对，确保每一个决策都符合逻辑、可追溯且合乎规范。

这一系统为软件工程师提供了一套可用于深入理解自动驾驶AI的白盒数据，有助于改善安全功能和整体性能，同时也具备向监管机构提供证明材料的潜力，清晰呈现自动驾驶汽车在不同情境和条件下的决策方式，以及对道路交通规则的遵从情况。

从技术层面看，该仿真软件采用OST的RDFox知识图谱数据库，为自动驾驶系统提供推理层，提升复杂场景下的决策能力。这套仿真软件被认为能有效弥合交通法规与实时自动驾驶决策之间的鸿沟。

凭借以AI为核心的引擎，RDFox OST目前已与欧洲、亚洲和北美多个机构展开合作，业务涵盖跨组织数据整合、自主决策与推荐等场景，技术应用已延伸至金融服务、汽车、制造、医疗、出版和零售等多个行业。

此次合作也被视为基于知识的AI应用于自动驾驶领域的重要示范——这类AI通过精心整理的专家知识与逻辑推理解决复杂问题，与依赖海量数据集发现规律、输出统计结果的机器学习不同，基于知识的AI致力于结合数据与专家知识，作出更加精准、可解释的逻辑决策。

Ignite by Forvia Hella首席技术官Felix Kortmann表示："Hella Ignite.Drive通过将原本面向人类解读编写的交通法规，转化为机器可读的规则集，实现了基于知识的AI的落地应用。这使制造商能够生成确定性证据，证明车辆行为安全合规，从而满足欧洲型式认证要求。与此同时，该方案还通过减少手动逐市场规则编码的工作量，缩短了开发周期，帮助自动驾驶团队更快推进至可申请认证的部署阶段。"

牛津语义技术公司首席执行官Peter Crocker表示："自动驾驶汽车目前在行驶过程中依赖AI做出大量决策，但制造商目前还难以解释这些决策的依据与过程。RDFox正是为了突破这一关键瓶颈而生。基于知识的AI让我们能够收集并梳理这些决策，并对其施加推理能力。我们可以清晰地看到车辆在特定情况下采取某种行为的原因，并利用这些数据帮助车辆在未来做出更优决策。"

牛津大学教授、OST联合创始人Ian Horrocks补充道："自动驾驶汽车案例是基于知识的AI赋能数据驱动系统的绝佳例证。该技术的一大核心优势在于可追溯性，即每一个决策都能追溯至生成它的规则与逻辑。在汽车领域，这种透明度有望彻底变革市场准入策略，全面提升自动驾驶汽车的合规性与安全性。"

Q&A

Q1：基于知识的AI与机器学习在自动驾驶中有什么区别？

A：机器学习通过在海量数据集中发现规律并输出统计结果，而基于知识的AI则结合专家知识与逻辑推理作出决策。在自动驾驶场景中，基于知识的AI能够像"规则手册"一样实时记录车辆行为，与交通规则交叉比对，确保每个决策可追溯、可解释，更有利于向监管机构证明合规性。

Q2：RDFox知识图谱数据库在自动驾驶中具体起什么作用？

A：RDFox是OST开发的知识图谱数据库，在自动驾驶系统中提供推理层，能够提升复杂场景下的决策能力。它通过将交通法规转化为机器可读的规则集，实时追踪车辆决策过程，帮助工程师理解AI行为，同时为监管机构提供车辆合规的证明材料，有效弥合法规要求与实际驾驶决策之间的差距。

Q3：Ignite与OST的合作如何帮助自动驾驶汽车从L2升级到L4？

A：目前制造商从L2升级到L3、L4的主要障碍在于无法大规模证明车辆的安全性和决策逻辑。Ignite与OST的合作通过"可解释"AI服务，为软件工程师提供白盒数据工具，使决策过程透明可追溯，并能生成符合欧洲型式认证要求的确定性证据，同时减少逐市场手动编码的工作量，加速自动驾驶汽车的合规部署进程。