面向铁路领域基于机器学习的系统持续开发与安全保障的安全 MLOps 流程
软件工程
2023-07-07 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
传统的自动化技术本身不足以在非受限基础设施上实现列车无人驾驶运行（称为自动化等级（Grade of Automation, GoA）4）。所需的感知任务如今通过机器学习（Machine Learning, ML）实现，因此需要可靠且高效地开发和部署。实现这一目标的一个重要方面是使用 MLOps 流程来应对无人驾驶运行对不断变化条件的可复现性、可追溯性、协作性和持续适应的需求。MLOps 将 ML 应用开发与运维（Ops）相结合，并基于运维反馈实现高频软件发布和持续创新。在本文中，我们概述了一种用于铁路领域基于机器学习的系统持续开发与安全保障的安全 MLOps 流程。它将系统工程、安全保障和 ML 生命周期集成到一个综合工作流中。我们介绍了该流程的各个阶段及其交互。此外，我们描述了自动化安全 MLOps 流程各阶段的相关挑战。
引用
@article{arxiv.2307.02867,
title = {Towards a safe MLOps Process for the Continuous Development and Safety Assurance of ML-based Systems in the Railway Domain},
author = {Marc Zeller and Thomas Waschulzik and Reiner Schmid and Claus Bahlmann},
journal= {arXiv preprint arXiv:2307.02867},
year = {2023}
}