Das vorgeschlagene Anomalie-Verhaltens-Analyse-Framework nutzt ein physikbasiertes Modell des Fahrzeugverhaltens und Maschinenlernalgorithmen, um Anomalien und Cyberangriffe auf die Wahrnehmungssensoren autonomer Fahrzeuge zu erkennen.
Großsprachmodelle können als intelligente Entscheidungsträger in autonomen Fahrsystemen eingesetzt werden, um die Leistung und Sicherheit zu verbessern, indem sie robustes Alltagswissen und Reasoning-Fähigkeiten nutzen.
Eine BEV-Funktions-basierte Architektur für kollaborative Wahrnehmung wird vorgeschlagen, um die Sicherheit in Parkhäusern durch Nutzung von Infrastruktursensoren zu verbessern.