風險感知技術的案例
工業AI系統的風險感知與容錯治理
三、風險感知的本質：對不確定性的警覺
風險感知不是“知道危險”，
而是“意識到自己不知道”。
AI系統應當能識別三種不確定性：
數據不確定性：輸入異常、漂移、缺失；
模型不確定性：算法泛化差、過擬合、參數漂移；
環境不確定性：工況變化、噪聲干擾、外部擾動。
一個真正成熟的AI控制系統，
不是“永遠正確”，而是知道什么時候自己不確定。
四、“容錯”不只是備用，而是自我恢復
傳統容錯設計的思路是冗余：
兩套設備，一主一備。
但AI容錯需要更多層邏輯。
它不僅要能“備份”，
還要能在錯誤發生時自動調整自己。
例如：
檢測到模型異常 → 回退到傳統PID模式；
數據漂移超限 → 自動觸發模型重訓練或參數校正；
異常輸出連續出現 → 進入安全限幅區運行。
這是一種“認知級容錯”，
讓系統在錯誤發生前后，都有思考空間。
五、“模型失配”的工程治理
模型失配（Model Mismatch）是AI控制的常見病。
它的根源是現實在變，而模型沒跟上。
展開 光刻技術第16期 | 壓縮感知光源優化的優化技術
壓縮感知技術憑借“稀疏性約束降維”的核心邏輯，為光源優化提供了突破口——通過將光源在稀疏基（如2D-DCT）下表示為少量非零系數，大幅削減優化變量維度。但壓縮感知光源優化的落地效果，關鍵取決于“優化技術”的工程化實現：算法迭代步驟的合理性決定了優化收斂速度與全局最優性，需明確初始值求解、變量更新、收斂判定的完整邏輯；算法實施細節的精準度（如稀疏基適配選擇、測量矩陣構建、噪聲抑制策略）則直接影響優化結果的穩定性與可制造性，是技術從理論走向工程的核心橋梁。
本文聚焦壓縮感知光源優化的優化技術核心，系統拆解算法迭代的完整流程，深入剖析關鍵實施細節，厘清技術落地的核心環節，為壓縮感知光源優化在先進光刻工程中的高效應用提供可復用的技術框架與實施參考。
02/算法迭代步驟
通過解決l1范數優化問題，可以獲得最佳光源圖形。該問題可以使用在CS領域開發的多種算法來解決。在優化前計算Iscc矩陣，可以減少運行時間。
通過線性Bregman算法迭代更新光源的2D-DCT系數θ，該算法計算效率高、圖像對比度高，流程如下：
迭代過程中，門運算承擔著參數精準篩選的關鍵角色：
? 若參數的絕對值小于設定閾值，會直接調整為0；
? 若參數絕對值不小于該閾值，則結合參數自身的符號（正/負）與閾值運算，實現參數的定向調控。
其中的符號判斷由符號函數完成：參數非負時符號為1，參數為負時符號為-1——通過這一機制，最終得到的光源核心參數（2D-DCT系數）將更精準匹配光刻需求。
展開 光刻技術第20期 | 非線性壓縮感知光源-掩模優化技術及對比分析
點擊藍字 關注我們
01/簡介
隨著集成電路制程向3nm及以下先進節點演進，光刻成像系統中的光學衍射、掩模三維效應與光致抗蝕劑非線性響應相互疊加，使光源-掩模協同優化（SMO）成為保障圖形保真度與芯片良率的核心技術。傳統線性壓縮感知（CS）驅動的SMO技術，因難以精準刻畫掩模與成像之間的強非線性映射關系，在復雜圖形優化中常面臨精度不足、工藝窗口收縮等問題，已無法滿足極端制程對優化性能的嚴苛要求。
非線性壓縮感知（NCS）理論的興起為突破這一瓶頸提供了關鍵路徑，其通過構建非線性重構模型，可更貼合光刻系統的物理本質。然而，不同非線性CS-SMO技術的適配場景與性能表現尚未形成系統對比，仿真條件的差異也導致技術優劣難以客觀評判。
基于此，本文以非線性壓縮感知光源-掩模優化的數學模型為核心，搭建標準化仿真環境，選取水平條塊圖形、豎直線條圖形及復雜電路圖形作為典型測試對象，從成像精度、計算效率、工藝窗口兼容性等維度，系統開展不同SMO技術的性能對比研究。通過量化分析各類技術的適配特性與核心優勢，為先進計算光刻中SMO技術的選型與工程化應用提供科學依據與理論支撐。
展開 無人水面艇感知技術發展綜述
在水面無人駕駛技術體系中，感知技術是核心，而現階段國內外對其感知技術的研究仍處于起步階段。本文梳理了無人艇的研發進程，圍繞感知技術的3個方面關鍵技術進行分析與探討：基于水面無人艇的目標檢測，主要包括面向避障的目標檢測及面向作業的目標檢測、目標跟蹤、實時定位方法。最后考慮到無人艇感知技術在系統穩定性及目標檢測能力中面臨的挑戰，對無人艇感知技術存在的不足和未來的發展趨勢做出展望。
關鍵詞：無人水面艇；感知；路徑規劃；目標檢測；目標跟蹤；導航；定位
由于無人駕駛的發展，近幾年無人車和無人機已廣泛應用于各種場景。與此同時，應用于水面的無人艇(unmanned surface vehicles，USV)有望在未來代替人類發揮重要作用。近年來，無人艇被廣泛用于執行多種軍事及非軍事任務，代替作業人員執行危險或耗時耗力的任務，在港口防護及艦船兵力保護、海上偵察監視、反潛作戰、水上搜救、后勤補給、水質監測、水文采樣、海洋環境測繪、水域生態保護等方面發揮著重要作用，提高工作效能的同時也降低了作業人員的傷亡。
作為無人艇的創始者，以色列埃爾比特系統公司推出的“銀色馬林魚”具有劃時代的戰略意義[1]。隨后，無人艇SCOUT[2]、水面高速無人艇PROTECTOR[3]、測量雙體船海豚(MESSIN)[4]、無人艇ROBOAT[5]、無人艇JingHai-I[6]以及各種無人艇海上協議相繼推出[7]。近年來，各企業也陸續推出商用水面無人艇。Fraunhofer CML等8家機構聯合開展海上智能無人駕駛航行網絡(MUNIN)計劃[8]。日本29家單位聯合組織開展“智能船舶應用平臺(SSAP1)”項目。英國羅爾斯·羅伊斯公司(R-R 公司)發起“先進自主水運應用項目(AAWA)”[9]，并與 Finferries 聯合推出全球第一艘無人駕駛渡輪“Falco”號。
展開 
無人駕駛汽車環境感知技術綜述
馬佃波
（吉林大學 130012)
摘要：無人駕駛汽車的相關技術一直是當今科學技術研究中的重中之重，它對國防、科學技術的發展以及整個社會的經濟都有重要的影響作用。無人駕駛汽車的相關技術涉及了很多知識，需要大量專業人才為之奮斗。其中，環境感知技術就相當于無人駕駛汽車的眼睛，將影響著整個無人駕駛汽車的安全性和穩定性，因此，本文主要分析了當前國內外無人駕駛汽車的發展現狀以及現有的無人駕駛汽車環境感知系統，對無人駕駛汽車環境感知系統中的傳感器進行了研究。
關鍵詞：無人駕駛；汽車；環境；感知
科技發展的腳步從未停止，人工智能機器人及人工智能系統已然成為新世紀科技發展的主向。作為人工智能機器人的分支，無人駕駛汽車的發展在整個社會和科學技術的發展中都具有非常重要的影響。無人駕駛汽車可以通過車上安裝的攝像頭或雷達感知道路情況，及時傳遞各種危險情況給駕駛系統，并且在駕駛員沒有及時做出反應的危急時刻自動采取安全措施，提升駕駛汽車的安全性。
在道路行駛中，可以通過視覺傳感器檢測汽車是否行駛在車道內，有無偏離，還會識別行駛過程中道路上的各種標識物和紅綠燈。在無人駕駛技術中，環境感知技術是其組成單元中較為重要的一個單元，將直接決定無人駕駛汽車的整體水平，一直是無人駕駛技術中研究的重點。
1 國內外無人駕駛汽車發展現狀
1.1 國外無人駕駛汽車發展現狀
目前對無人駕駛技術研發投入最多且研究較為深入的國家就是美國了，其從1970年開始就一直注重無人駕駛技術的發展，在各個有能力的單位、學校、研究院投入大量資金進行科學研究，推動了無人駕駛汽車的發展，并取得了非常好的研究成果。
在2011年，英國的牛津大學改裝了一輛越野型無人駕駛汽車，該車在行駛中可以不用GPS，而是采取激光雷達感知道路情況，可以行駛在山路中[1]。
展開 自動駕駛汽車感知系統關鍵技術綜述
2 感知系統
感知系統目的包括：①安全性：實時、準確識別周邊影響交通安全的物體，應對突發事件，為采取必要操作以避免發生交通安全事故；②通過性：基于自身行駛性能、周邊路況和共識規則，能夠實時、可靠、準確識別并規劃出可保證規范、安全、迅速到達目的地的行駛路徑；③經濟舒適性：為車輛高效、經濟、平順行駛提供參考依據。目前，感知系統主要是利用傳感器、定位導航 、車聯通信（VehicIe-to-X，V2X）3種技術組合實現上述目的。
2.1 傳感器
傳感器感知的對象包括行駛路徑、周圍障礙物和行駛環境等。感知行駛路徑是對可通行性道路的識別，在城市中包括信號燈、各種標志牌、車道線、路障等目標的識別；在野外包括車輛前方路面平坦情況、可通行道路分析等。感知周圍障礙物是識別影響自動駕駛車輛行駛的靜止或者移動的各種障礙物，包括路面上的車輛、行人、路障等。感知行駛環境是判別對自動駕駛車輛行駛影響比較大的變化環境，例如路面、交通與天氣等。
主流的傳感器感知技術包括視覺感知、激光感知、微波感知等。視覺感知是基于攝像頭采集的圖像信息，使用視覺相關算法進行處理，認知周圍環境；激光感知是基于激光雷達采集的點云數據，通過濾波、聚類等技術，對環境進行感知；微波感知是基于微波雷達采集的距離信息，使用距離相關算法進行處理，認知周圍環境。3種環境感知方法的比較如表2所示。根據各類傳感器技術特點，不同應用場景和系統功能需求下，應選不同的傳感器技術。例如，在高速公路環境下，由于車輛速度較快，通常選用檢測距離較大的微波感知；在城市環境中，由于環境復雜，通常選擇檢測角度較大、信息量豐富的激光、視覺感知技術。
現在廣泛應用的各類高級駕駛員輔助系統ADAS使用各類傳感器，實現了相應的輔助駕駛功能，為實現完全自動駕駛奠定了基礎，如圖2所示。
展開 下午直播 | Ansys面向感知系統的仿真驗證技術
針對當前L3以上自動駕駛汽車開發對感知越來越多的應用需求，傳統的實車測試不僅人成本高昂，同時無法覆蓋感知測試所需的海量邊緣場景。Ansys 基于物理的傳感器仿真可以實現高精度攝像頭，激光雷達和毫米波雷達實時仿真，幫助用戶加速高等級自動駕駛功能開發需求。
行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 一文詳解智能駕駛感知系統測試技術
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統迎來了新一輪的發展。交通應用的安全攸關場景給自動駕駛系統提出了更高的質量保障要求。感知系統是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統測試的研究現狀，并對圖像、激光雷達、以及感知融合測試方法和技術發展進行了討論。
前言
隨著人工智能及其軟硬件技術的進步，近年來自動駕駛獲得了快速發展。自動駕駛系統已經被應用于民用汽車輔助駕駛器、自動物流機器人、無人機等領域。感知組件是自動駕駛系統的核心，它使得車輛能夠分析并理解內外交通環境信息。然而，與其他軟件系統一樣，自動駕駛感知系統困擾于軟件缺陷。并且，自動駕駛系統運行于安全攸關場景，其軟件缺陷可能導致災難性后果。近年來，已經發生多起自動駕駛系統缺陷導致的人員傷亡事故。自動駕駛系統測試技術受到學術界和工業界的廣泛重視。企業與研究機構提出了一系列包括虛擬仿真測試、實景道路測試和虛實結合測試等在內的技術和環境。然而，由于自動駕駛系統輸入數據類型的特殊性和運行環境的多樣性，這類測試技術的實施過程需要消耗過多資源，并需要承擔較大風險。本文簡要分析當前自動駕駛感知系統測試方法的研究和應用現狀。
1 自動駕駛感知系統測試
自動駕駛感知系統的質量保障越來越重要。感知系統需要幫助車輛自動分析和理解路況信息，其構成非常復雜，需要充分檢驗待測系統在眾多交通場景下的可靠性和安全性。當前自動駕駛感知測試主要分為三大類。無論何種測試方法，都表現出了一個區別于傳統測試的重要特征，即對于測試數據的強依賴性。
第一類測試主要基于軟件工程理論和形式化方法等，以感知系統實現的模型結構機理為切入點的測試。
展開 光刻技術第18期 | 非線性壓縮感知理論
01/簡介
隨著集成電路制程推進至90nm及以下節點，光學鄰近效應校正（OPC）、光源掩模聯合優化（SMO）等計算光刻技術已成為保障光刻成像精度的核心支撐。其中，壓縮感知（CS）技術憑借稀疏性約束降維的核心優勢，在光源優化（SO）中實現了高效的參數尋優，大幅降低了計算復雜度。
然而，當優化對象轉向掩模時，線性CS理論的局限性愈發凸顯——掩模圖形的像素級調控與光刻成像之間存在顯著的非線性映射關系，這種非線性源于掩模三維衍射、光致抗蝕劑化學反應等多物理效應疊加，導致線性模型難以精準刻畫優化目標與掩模參數的關聯，直接影響OPC的校正精度與SMO的協同優化效能。
為破解這一瓶頸，非線性壓縮感知（NCS）理論應運而生，其通過非線性映射構建信號與觀測的關聯，能夠適配掩模優化場景中的復雜非線性特性。與線性CS相比，非線性CS理論的核心突破在于重構模型對非線性關系的精準表征，而迭代公式則為非凸優化問題提供了高效的求解路徑，二者共同構成了掩模優化場景下計算光刻技術的理論核心。
本文聚焦非線性壓縮感知理論的工程化應用需求，從掩模-成像的非線性機理出發，系統解析非線性CS重構模型的構建邏輯，深入推導關鍵迭代公式的演化過程，為OPC、SMO等技術的精度提升提供理論支撐。
02/仿真非線性CS重構模型
在先進光刻的非線性優化場景中，非線性CS重構算法（IHTs、Newton-IHTs、L-BFGS）是破解復雜運算難題的核心工具——它們既能精準適配非線性光刻的優化需求，更能通過梯度、Hessian矩陣的協同作用加速收斂，在保障優化精度的同時，大幅提升計算效率。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 
基于物聯網感知技術的智慧社區解決方案
大家好，我是薛哥。智慧社區解決方案，我經常發，但是每次都不重復，這樣做的好處可以作為模板素材，組合及修改成更好的設計方案，今天分享的智慧社區解決方案就非常的詳細，有物聯網方面的，也有可視化的。
終將渡過成長的海
01
正文
實現智能、人文、便捷、安全的生活環境，滿足社區居民生活、工作、學習、發展的需求；為政府、管理者和居民提供高效、安全、便捷的智慧化服務；為商業和服務機構創造積極參與構建社區融合服務體系的基礎環境，能讓其充分共享資源整合創造的商業價值，激勵其創新；最終將社區建成為資源節約、環境友好的綠色社區，人文宜居、生態文明 的宜居社區，社會和諧、民生幸福的幸福社區，促進城市的發展和進步的智慧社區。
展開 一文了解面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是，當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術，可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 Ansys數字任務工程和空間領域感知技術助力國家與全球安全保護
諾斯羅普·格魯曼公司（Northrop Grumman）將采用Ansys仿真與數字任務工程解決方案開發雷達站，以監測太空高軌道
Ansys 政府計劃（AGI）正在幫助諾斯羅普·格魯曼公司開發、測試并交付深空先進雷達能力（DARC），以支持美國太空部隊（USSF）太空系統司令部（SSC）空間領域感知任務。
通過集成Ansys業界領先的仿真與數字任務工程解決方案，諾斯羅普·格魯曼公司能夠開發出高度保真的開放式數字孿生原型環境。此外，諾斯羅普·格魯曼公司還將使用Ansys產品檢查射頻系統，開展任務級分析，并充分利用數字主線功能的優勢。
Ansys產品高級副總裁Shane Emswiler表示：“Ansys很榮幸能夠與DARC開展合作，以支持美國重要的國家安全系統的數字設計和驗證工作。 事實證明，我們的仿真與數字任務工程解決方案能夠幫助全球領先的工程機構加速和優化復雜產品開發。我們十分有信心，這些工程機構都能像諾斯羅普·格魯曼公司DARC團隊一樣從我們的解決方案中大獲裨益。”
初步與DARC簽訂合同的內容包括設計、開發和交付1號雷達站系統，該項目預計將于2025年完成。兩家公司還將繼續展開合作開發其它兩個雷達站，以在全球范圍內進行戰略定位。
展開 Ansys數字任務工程和空間領域感知技術助力國家與全球安全保護
諾斯羅普·格魯曼公司（Northrop Grumman）將采用Ansys仿真與數字任務工程解決方案開發雷達站，以監測太空高軌道
Ansys 政府計劃（AGI）正在幫助諾斯羅普·格魯曼公司開發、測試并交付深空先進雷達能力（DARC），以支持美國太空部隊（USSF）太空系統司令部（SSC）空間領域感知任務。
通過集成Ansys業界領先的仿真與數字任務工程解決方案，諾斯羅普·格魯曼公司能夠開發出高度保真的開放式數字孿生原型環境。此外，諾斯羅普·格魯曼公司還將使用Ansys產品檢查射頻系統，開展任務級分析，并充分利用數字主線功能的優勢。
Ansys產品高級副總裁Shane Emswiler表示：“Ansys很榮幸能夠與DARC開展合作，以支持美國重要的國家安全系統的數字設計和驗證工作。 事實證明，我們的仿真與數字任務工程解決方案能夠幫助全球領先的工程機構加速和優化復雜產品開發。我們十分有信心，這些工程機構都能像諾斯羅普·格魯曼公司DARC團隊一樣從我們的解決方案中大獲裨益。”
初步與DARC簽訂合同的內容包括設計、開發和交付1號雷達站系統，該項目預計將于2025年完成。兩家公司還將繼續展開合作開發其它兩個雷達站，以在全球范圍內進行戰略定位。
深空先進雷達能力（DARC）渲染圖
來源于：ANSYS
展開 