超越置信度分数：用于ADS感知安全性的内省式、序列感知运行时监控
Beyond Confidence Scores: Introspective, Sequence-Aware Runtime Monitoring for ADS Perception Safety
申请要求（为空则代表无要求）
雅思：
托福：
留学费用：168000GBP/年
超越置信度分数：用于ADS感知安全性的内省式、序列感知运行时监控项目简介
现代自动驾驶系统（ADS）依赖深度神经网络探测器，这些探测器在遮挡、恶劣天气、传感器退化或领域偏移下可能会出现故障，有时甚至具有误导性的高置信度。为了建立可信的安全案例并在运行时实现符合政策的行为，ADS需要监控机制，能够预测、定位和解释感知故障的发生，而不是事后审计。先前的研究表明，基于激活模式的内省可以检测基于摄像头的2D检测中可能出现的感知错误，并且经过仔细处理/学习的表示可以提高跨数据集的鲁棒性和泛化能力。将这些思想扩展到以激光雷达为中心的3D检测，最近的结果表明，早期层特征和以自我车辆为中心的有选择性空间焦点可以提高对安全关键遗漏的敏感性，同时在计算和延迟方面存在实际权衡。与此一致，本博士项目将研究与探测器无关、序列感知的运行时监控，该监控将内部模型信号与时间一致性检查相结合，以（i）在不确定性下发现可能的错误，（ii）在以自我为中心的方向/距离空间中定位风险，以及（iii）生成简洁、面向安全的描述，适用于人工监督和下游策略规则（例如，最小风险机动）。学生将根据技术重点塑造成果，预期成果包括新的监控方法、评估协议以及与实时机器人/驾驶堆栈兼容的开放式、资源感知原型。该项目旨在开发用于ADS感知的运行时监控，优先考虑序列感知、可解释性和部署就绪性，而不规定特定的架构或数据集。学生将随着工作的进展塑造技术重点（例如，2D/3D、激光雷达/摄像头/融合、理论与系统）。研究预计将朝几个方向发展——包括但不限于以下内容：• 不确定性下的错误感知：内部信号和输出动态如何揭示可能的假阴性/阳性或误定位（例如，特征内省、校准、集成、行为监控）。• 时间连贯性：时间线索如何提高警报稳定性并提前预警正在发生的故障（例如，因果滤波器、变化点检测、轻量级序列模型）。• 空间风险与定位：传达风险相对于自我车辆所在位置的表示（例如，以自我为中心的扇区、距离带、地图/上下文线索）。• 解释与操作员界面：什么使描述对下游策略或人工监督忠实、简洁且可操作（例如，结构化模板、对比摘要、不确定性/风险声明）。• 验证、确认与安全框架：平衡检测质量、警报时间和计算/延迟的指标和协议，以及符合SOTIF（ISO 21448）的错误分类和假设，针对ODD/操作规则的符合政策的监控，以及从警报到行动的可追溯映射，包括不确定性感知阈值和场景覆盖分析。• 集成途径：与探测器无关、资源感知的实时堆栈（例如，ROS 2/Autoware）集成模式，系统深度根据选择的研究轨迹进行定制。
项目学术背景与核心优势
贝尔法斯特女王大学在电子电气工程与计算机科学交叉领域拥有深厚的学术积淀，其工程学院长期聚焦于智能系统与安全关键软件的理论研究。超越置信度分数：用于ADS感知安全性的内省式、序列感知运行时监控这一硕士学位项目，正是基于学校在实时系统验证与不确定性推理方面的学科优势而设立。项目旨在帮助学生掌握如何为自动驾驶系统（ADS）设计具备内省能力的监控机制，通过序列感知分析方法突破传统置信度阈值的局限。贝尔法斯特女王大学所构建的跨学科平台，使学习者能够同时接触形式化验证、机器学习可靠性与嵌入式系统设计等前沿课题，从而在ADS感知安全这一高壁垒方向上建立系统的分析框架。该项目强调理论推导与工程实践的融合，为后续从事科研或进入行业安全团队打下坚实的方法论基础。
核心知识模块与培养方向
该硕士项目的培养重心在于提升学生的专业素养与实操能力。课程体系通常围绕以下核心方向构建：
- 内省式监控机制设计：学习如何使系统在运行时评估自身感知模块的置信度，并触发适应性行为，适用于自动驾驶中的障碍物检测与路径规划场景。
- 序列感知数据分析：掌握对时间序列传感器数据进行上下文建模的方法，用于识别ADS感知系统在长时程操作中的异常模式。
- 安全性与可靠性的形式化方法：理解基于模型检验和运行时验证的技术，确保监控逻辑在复杂动态环境中满足安全规约。
毕业生职业发展路径
结合智能汽车与安全关键系统领域的行业态势，该专业的毕业生具备较强的专业壁垒，适合在以下领域发展：
- 自动驾驶安全工程师：负责设计、实现和测试实时监控模块，确保感知系统输出在统计与逻辑层面均符合安全阈值。
- 功能安全分析师：在汽车或航空航天企业中，运用序列感知与内省式分析方法对系统故障树进行量化风险评估。
- 研究与开发科学家（嵌入式AI方向）：在科研机构或创新实验室中，探索新一代运行时监控算法，提升ADS对未知场景的鲁棒性。
常见申请疑问解答
针对跨专业申请者，该方向通常要求申请人具备扎实的底层逻辑。如果能在先修课程或实践经历中展现出对计算机科学的基础认知与分析能力，将有效弥补专业背景的不足。
在语言与学术准备方面，由于该项目涉及大量的专业文献阅读与学术对话，申请人需具备较强的学术英语理解能力。提前熟悉相关的研究方法或底层分析工具，将为后续高强度的专业学习打下坚实基础。