深度神经网络中间激活层影子监控与分布外 (OOD) 漂移预警
在模型倒数第二层高维潜在特征流形上实时解算马氏距离 (Mahalanobis Distance)，毫秒级甄别罕见未知路障并量化感知认知不确定度 (Epistemic Uncertainty)。
基于极值理论 (EVT) 的尾部异常分布严格界定
通过对中间特征向量间距进行韦伯 (Weibull) 极值分布曲线拟合，建立严密的置信区间数学边界，一旦超出阈值立即无缝切断主模型并接通确定性降级控制逻辑。
- Real-time out-of-distribution (OOD) detection in under 15ms.
- Zero disruption to primary perception inference pipeline.
- Automated upload of unclassified corner-case video clips.
- Quantified epistemic uncertainty metrics sent to motion planners.
浏览域名资产