SMILE III Säkerhetsanalys och verifiering/validering av system baserade på maskininlärning
| Diarienummer | |
| Koordinator | RISE Research Institutes of Sweden AB - RISE Mobilitet och System, Göteborg |
| Bidrag från Vinnova | 6 128 303 kronor |
| Projektets löptid | april 2020 - mars 2022 |
| Status | Avslutat |
| Utlysning | Elektronik, mjukvara och kommunikation - FFI |
| Slutrapport | 2019-05871eng.pdf(pdf, 6064 kB) (In English) |
Syfte och mål
Nya metoder krävs för att kvalitetssäkra fordonssystem som förlitar sig på djupinlärning. SMILE3 byggde på de två tidigare SMILE-projekten genom att vidareutveckla säkerhetsmekanismen ”safety cage” för hantering av osäkra indata. Genom att komplettera perceptionssystem med denna mekanism var målsättningen att påvisa hur man kan argumentera för att ett maskininlärningsbaserat system är funktionssäkert. En vidare målsättning var att utveckla verifiering & validering av ML-baserade system.
Resultat och förväntade effekter
SMILE3 har utvecklat ett maskininlärningsbaserat förarassistanssystem i simulatorn ESI Pro-SiVIC, nödbromssystemet SMIRK, fritt tillgängligt på GitHub som öppen källkod. För en begränsad operativ miljö finns en komplett säkerhetsargumentation för maskininlärningskomponenten baserad på ramverket AMLAS finns tillgänglig för vidareutveckling. All data för träning och test av modellerna erbjuds fritt. Vi förväntar oss att SMIRK kommer att bidra till vidare forskning inom ML och funktionssäkerhet.
Upplägg och genomförande
SMILE3 innebar en blandning av forskning och praktisk utveckling. Vi utvecklade SMIRK genom att följa den iterativa processen i ISO/PAS 21448 Safety of the Intended Functionality (SOTIF). Säkerhetsargumentationen följde AMLAS och stöttades av workshops med samtliga arbetspaket representerade. Att samverka kring det öppna projektet SMIRK hjälpte projektet att utforska relevanta forskningsfrågor trots att Covid19-pandemin till stora delar tvingade fram arbete hemifrån.