Naukowcy z arXiv ocenil efektywność trzech modeli sekwencyjnych - GRU, LSTM i Transformera - w klasyfikacji aktywnych systemów automatycznego sterowania samochodem na podstawie samych danych telemetrycznych pojazdu. Badanie obejmowało identyfikację czterech stanów: Openpilot firmy Comma.ai, Tesla Autopilot, Cadillac Super Cruise oraz jazdy ręcznej. Na czystych danych wszystkie trzy architektury osiągnęły bardzo dobre wyniki z wynikami macro F1 wynoszącymi odpowiednio 0.92 dla GRU, 0.90 dla LSTM i 0.93 dla modelu Transformer.
Alez kluczowa część badania polegała na testowaniu odporności tych modeli na degradację danych. Naukowcy opracowali modułową框架 oceniającą zachowanie sieci w warunkach nienaturalnie zmienianych danych poprzez pięć rodzin uszkodzeń na pięciu poziomach zagrażania (L1-L5). Ciągłe kanały danych zostały zaburzane szumem Gaussowskim z dryfem, skorelowanym szumem między kanałami i przesunięciami czasowymi, podczas gdy sygnały binarne poddano stratom seryjnym, opóźnionym przejściom i fałszywym przełączeniom.
To badanie jest istotne dla branży pojazdów elektrycznych i autonomicznych, szczególnie biorąc pod uwagę przyszłość pojazdów określanych jako Software Defined Vehicles (SDV), które mogą uruchamiać wiele systemów sterowania - zarówno natywnych producentów, jak i aftermarket. Niezależne systemy monitorujące mogą weryfikować, który system autonomiczny jest aktywny, co jest krytyczne dla bezpieczeństwa, zgodności z przepisami, oceny ubezpieczeniowej i wykrywania anomalii.