面向自动驾驶系统的 RISC-V 功能安全：基于 ML 辅助认证的分析框架与研究路线图
软件工程
2026-04-21 v1 硬件体系结构
机器学习
摘要
RISC-V 正在成为汽车级嵌入式计算的可行平台，最近的 ISO 26262 ASIL-D 认证已证明其在自动驾驶系统中适用于安全关键部署。然而，汽车系统的功能安全本质上是一个认证问题，而非处理器问题。主导成本来自诊断覆盖率分析、工具链资格、故障注入活动、安全案例生成以及遵循 ISO 26262、ISO 21448（SOTIF）和 ISO/SAE 21434 的合规性。本文分析了 RISC-V 在汽车功能安全中的作用，重点关注指令集架构（ISA）开放性、形式可验证性、自定义扩展控制、调试透明性和供应商独立资格。我们审查了自动驾驶安全要求并将其映射到 RISC-V 架构挑战，如锁步执行、安全岛、混合关键性隔离和安全调试。本文并非提出单一算法突破，而是以认证经济学为主要优化目标，提出分析框架和研究路线图。我们还讨论了所选 ML 方法，包括 LLM 辅助的 FMEDA 生成、基于知识图谱的安全案例自动化、强化学习用于故障注入以及图神经网络用于诊断覆盖率，如何支持认证工作流程。我们认为，最佳结果并非更快的处理器，而是一个已准备好获得 ASIL-D 认证的 RISC-V 平台。
引用
@article{arxiv.2604.17391,
title = {RISC-V Functional Safety for Autonomous Automotive Systems: An Analytical Framework and Research Roadmap for ML-Assisted Certification},
author = {Nick Andreasyan and Mikhail Struve and Alexey Popov and Maksim Nikolaev and Vadim Vashkelis},
journal= {arXiv preprint arXiv:2604.17391},
year = {2026}
}
备注
11 pages, 3 figures, 4 tables. Analytical perspective paper on automotive-grade RISC-V functional safety, certification economics, and ML-assisted certification for autonomous driving systems