mg不朽情缘



      mg不朽情缘

      CN / EN

      搜索
      搜索
      NEWS CENTER

      NEWS CENTER

      新闻中心
      资讯分类

      加速功能安全AI 智能化:HIRAIN FuSa AI Agent发布

      发布时间:2024-10-18 10:16

             关于HIRAIN FuSa AI Agent的学术论文已被自然语言处理领域的高规格会议EMNLP产业应用专区录用,这无疑是对经纬mg不朽情缘创新能力的高度认可。

       

             随着汽车电子电气(E/E)系统复杂性的增加,以及自动驾驶技术的迅猛发展,功能安全研发面临着日益严峻的挑战,研发成本也随之上升。面对这一挑战,经纬mg不朽情缘凭借在功能安全领域的深厚积累,利用前沿的人工智能技术,成功自主研发了一款功能安全智能体——HIRAIN FuSa AI Agent,能够自动对功能安全分析对象开展危险分析和风险评估,制定安全目标,进行安全分析导出安全要求,并持续开展研发测试验证活动以保障整车安全。

       

             HIRAIN FuSa AI Agent采用多智能体系统设计,每个智能体承担特定角色,如功能安全经理(FuSa Manager)、功能安全专家(FuSa Expert)和验证工程师(V&V Engineer),模拟现实世界中的功能安全分工与协作。该系统能够自动化执行复杂的功能安全任务,低成本、高效率的完成功能安全研发与测试实施。

       

      加速功能安全AI 智能化:HIRAIN FuSa AI Agent发布

      HIRAIN FuSa AI Agent框架

       

      ▎主体功能

             ·  功能安全目标制定:基于危险分析与风险评估(HARA)和ASIL等级划分,明确整车必须满足的安全目标

             ·  功能安全需求开发:根据功能安全目标,通过FTA等安全分析方法,分析并输出具体的功能安全要求、ASIL等级及安全状态等

             ·  功能安全测试验证:依据安全需求制定测试策略,选择合适的测试方法及用例导出方式,编写测试用例,以确保实现全面的测试需求覆盖

       

      ▎技术亮点

             ·  检索增强生成(RAG):构建领域知识库,结合智能体反思机制,高效处理复杂且知识密集的任务

             ·  多智能体协作:模拟真实世界中的分工,提高任务执行的专业度

             ·  专业提示优化:由资深功能安全工程师对提示进行优化,确保输出符合业务需求

             ·  持续学习机制:系统能够不断学习和更新知识库,以保持与前沿技术和标准的同步

       

      ▎产品优势

             ·  效率提升:智能体为风险评估提供高价值起点,较大提升评估效率

             ·  质量改进:智能体提供详细推理过程和示例,提升HARA分析质量

             ·  人机协同:人类专家与AI分工协作,最终评估符合ISO 26262标准,且具备高质量

             ·  支持工具API集成:兼容Medini Analyze和Vector Informatik,加速功能安全开发

             ·  实时标准更新:自动集成ISO 26262和VDA 702标准,提供实时合规更新


      ▎快速开始

             ·  系统登录:点击专属链接,即可快速开始使用

             ·  功能模块:在FuSa Manager界面进行直观编辑,操作简单

             ·  指令生成:上传功能需求文档(支持txt、Excel、PDF等格式),快速响应生成指令

             ·  需求生成:一键查看生成结果,并支持导出为Excel文件

       

      加速功能安全AI 智能化:HIRAIN FuSa AI Agent发布

      生成结果示例

       

      参考文献:

      [1] Lu Shi, Bin Qi, Jiarui Luo, Yang Zhang, Zhanzhao Liang, Zhaowei Gao, Wenke Deng, Lin Sun. Aegis: An Advanced LLM-Based Multi-Agent for Intelligent Functional Safety Engineering. EMNLP 2024.

      [2] Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, 79(8), 2554-2558.
      [3] Hinton, G. E., & Salakhutdinov, R. R. (2006). Reducing the dimensionality of data with neural networks. Science, 313(5786), 504-507.

      相关文件

      暂时没有内容信息显示
      请先在网站后台添加数据记录。

      市场部

      电话010-64840808

      邮箱:market_dept@kmzt168.com

      采购部

      邮箱: purchase@kmzt168.com


      电话:010-82263021

      邮箱: ir@kmzt168.com

       

       

      关注我们

      这是描述信息
      弹窗留言