从高维空间到可验证的 ODD 覆盖：面向安全关键型 AI 系统的研究
人工智能
2026-04-03 v1 机器学习
摘要
虽然人工智能（AI）为运行性能带来了变革性潜力，但其在航空等安全关键领域的应用需要严格遵守严格的认证标准。现行 EASA 指南要求证明 AI/ML 组成部分的运行设计域（ODD）的完整覆盖——这一要求需要证明在定义的操作边界内不存在关键缺口。然而，由于系统在多维参数空间中运行，现有方法难以提供满足完整性标准所需的可扩展性和形式化基础。目前，尚无标准化的工程方法来弥合抽象 ODD 定义与可验证证据之间的鸿沟。本文通过提出一种将参数离散化、基于约束的过滤和基于关键性的维度缩减整合到结构化多步 ODD 覆盖验证过程中的方法来解决这一空白。该工作以先前关于基于 AI 的空中防撞研究的汇集仿真数据为基础，展示了满足 EASA 对完整性需求、定义和实现覆盖指标的系统化工程方法。最终，该方法实现了更高维度中的 ODD 覆盖验证，推进了安全设计方法，同时符合 EASA 标准。
引用
@article{arxiv.2604.02198,
title = {From High-Dimensional Spaces to Verifiable ODD Coverage for Safety-Critical AI-based Systems},
author = {Thomas Stefani and Johann Maximilian Christensen and Elena Hoemann and Frank Köster and Sven Hallerbach},
journal= {arXiv preprint arXiv:2604.02198},
year = {2026}
}