作者：李超、李鸣、贾祥娟、夏文君
引言
随着区块链技术的发展，涌现出了众多区块链协议和网络。然而，这些网络之间缺乏直接的价值和信息交换，形成了一个孤岛环境，严重限制了区块链的广泛采用。由于不同区块链网络之间缺乏有效的互操作性，需要频繁地进行重新配置和集成工作。为解决互操作性问题，IEEE计算机协会区块链与分布式记账标准委员会制定并发布了一项新标准——IEEE Std 3221.01-2025（IEEE区块链互操作性标准——跨链交易一致性协议）。该标准提供了一个高性能的分布式跨链交易一致性协议，以促进区块链互操作性，提升服务质量和安全性，并构建一个协同的区块链生态系统，最终释放区块链技术的全部潜力。
标准概述
IEEE Std 3221.01-2025为多种跨链技术建立了一个跨链一致性框架，包括基于公证人（中心化/多签名）、基于哈希时间锁定合约（HTLC）以及基于中继链的架构。该标准为区块链项目团队、区块链服务提供商、去中心化应用（dApp）开发者以及任何希望在不同区块链网络之间不依赖中心化第三方而交换资产和信息的实体或个人用户提供了参考。
采纳与影响
通过采用该标准，从业者能够高效地设计高度协同的跨链系统，从而加速区块链技术的广泛采用，并在异构区块链环境中实现无缝互操作。
作为一个示例，该标准中提出的跨链技术框架已应用于中国国家区块链创新应用试点项目。中国上海市静安区的区块链基础设施平台采用了标准化的跨链解决方案，成功实现了跨区块链的可信数据传输，并实现了多个区块链应用之间的互操作性。这一实施证明了区块链在促进数据共享、优化业务流程和提高协作效率方面的价值，从而为高质量的经济和社会发展做出了贡献。
未来发展
负责该标准的工作组确定了未来发展的三个关键研究方向：抗量子签名在跨链协议中的应用、基于零知识证明的轻量级节点验证方案，以及跨链非同质化代币（NFT）原子交换规范。
结论
IEEE Std 3221.01-2025是IEEE计算机协会区块链与分布式记账标准委员会发布的最新标准，为基于公证人、HTLC和中继链的架构提供了跨链一致性规范。该标准为区块链项目团队、服务提供商、dApp开发者以及希望在不同区块链网络之间无需中心化中介即可交换资产和信息的用户提供了实用指南。案例研究表明，该标准显著提高了跨链技术的安全性、可扩展性和灵活性，并在促进数据共享、优化业务流程和增强跨组织协作方面发挥着关键作用。
该标准可在线购买。
免责声明：作者对本文内容完全负责。所表达的观点仅代表其个人，并不代表IEEE、计算机协会或其领导层的立场。

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
本月的第二篇精选论文由米兰理工大学、浙江大学和查尔姆斯理工大学的作者共同撰写，介绍了一种基于强化学习的方法，该方法结合专家预训练和真实电网仿真来优化电动汽车的充放电调度。通过考虑电池的实际限制并适应电网条件的变化，该方法能够降低成本、防止电网过载，并在需要时使电动汽车为电网提供支持，为大规模电动汽车队伍的高效接入提供了切实可行且可扩展的解决方案。
Smart Electric Vehicle Charging Algorithm to Reduce the Impact on Power Grids: A Reinforcement Learning Based Methodology
Federico Rossi; Cesar Diaz-Londono; Yang Li; Changfu Zou; Giambattista Gruosso
Published in volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/10960355
电动汽车（EV）的快速发展是推动可持续交通的重要举措，但同时也给电网带来了新的挑战。大量电动汽车同时不加协调地充电可能导致变压器过载、电压波动和峰值负荷增加，从而给电网带来压力，甚至可能需要昂贵的电网升级。
在本研究中，我们提出了一种基于强化学习（reinforcement learning）的新方法，用于在实际场景中优化电动汽车的充放电调度。该系统通过专家生成的场景进行预训练，并结合真实的电网仿真，使其能够在能源需求或可再生能源发电出现意外变化时快速且智能地做出决策。重要的是，该方法还考虑了电动汽车电池的实际特性和运行限制，如存储容量和安全工作范围，以确保高效且可靠的能源管理。
通过整合这些因素，我们的方法能够降低成本、防止电网过载，并使电动汽车在最需要时为电网提供能量支持。总体而言，该方法为电动汽车高效融入电力系统提供了切实可行且可扩展的解决方案，同时保持电网稳定、可靠，并支持不断增长的电动汽车队伍。
——
CALL FOR PAPERS
IEEE …

作者：Andy Johnson
介绍
学习元数据术语 (LMT) 是一项标准，旨在将实践中的元数据术语联系起来，以解决电子学习中常见的诸多用例。虽然还有其他元数据标准，但它们不足以满足现代人工智能实现重要性所需的机器可读数据要求。虽然数据模型试图摆脱技术束缚，但有一些基本的设计决策与数据是存储在图数据库中还是作为记录存储有关。
标准概述
该标准的目的是允许人类和机器跨任何类型学习资源的属性进行可追溯性。由于“学习”的含义非常广泛，它实际上可以适用于任何描述的学习“对象”。与以前的元数据标准不同，LMT 通过将学习对象描述为学习资源或学习事件来区分其用途。学习资源是任何用于学习并旨在成为共享资源的东西，它几乎总是数字化的。关键在于可以复制它，并且在获得适当许可的情况下，可以重新部署它或先改变用途然后再部署。学习事件，单独分类，要么是学习资源的实例，要么是资源化的学习机会。在工作组中，一种常见的表述方式是“如果你可以迟到，它就是一个学习事件”。
该标准与元数据息息相关。它允许描述、解释和定位学习资源和学习事件，从而使这些对象的最终用户能够更轻松地与其建立联系，确保其正确使用，并实现对学习资源和事件的管理。由于学习无处不在，不仅涵盖知识，还涵盖技能、能力和态度，因此该标准用途广泛。此外，该标准旨在实现完全可扩展，每种“类型”的学习事件或资源都有其各自的应用配置文件。
主要特点和优点
通过区分学习资源和学习事件，现在为每种资源定义描述性数据可以使其更贴切地融入情境。也就是说，如果确定某门课程有一位讲师，并且该课程是一个学习事件，我们就知道是那位讲师在特定时间教授了该课程的该部分内容。某些学生也参加了该课程。如果它只是一种学习资源，那么它可能是讲师，通常是授课人。当将经过适当情境化的数据与平均成绩或评分等辅助数据相结合时，数据差异的本质可以更好地通过情境的变化来解释。例如，课程是否因为讲师、平台或应用主题而更有效？
图1：情境化课程评分和总体评分
标准中普遍使用 URI，而非特定的受控值（例如“Netscape Navigator”浏览器），这使得人类和机器能够访问 URI 上的数据并接收返回数据，从而构建一个动态的世界。URI 的唯一性意味着这些“对象”在互联网上始终保持唯一，这极大地促进了人工智能的学习。这种处理某些属性的方法也开始解决问题。例如，数据推送/拉取问题可以通过组合使用 URI 并使用相关资源的链表（而非简单的版本号）来解决。
通过解决问题并规划基于机器的数据消费，它能够实现一种“学习市场”，但它并非将人们与产品连接起来，目的地就在他们家门口，而是将他们与大脑的学习机会连接起来。它关注的不是产品到货和类似物品的物流，而是在正确的时间、正确的任务中寻找相关资源。它可以保留人类的选择，但让机器做出有价值且合乎逻辑的建议。
采用和影响
尽管在撰写本文时该标准尚未完全发布，但美国国防部 (DoD) 已在其国防部指令1322.26 分布式学习的参考（扩展）中使用了该标准。所有国防部机构都必须遵守此指令。
采用该标准的影响意味着不仅有标准化的术语，而且还有内置于这些术语中的标准化实践。其影响意味着诸如消歧、可搜索性、版本控制和通知等问题将变得更加容易解决，并且任何共享数据都是可靠的。
未来发展
虽然该标准今年刚刚发布，且项目将于同年到期，但IEEE计算机学会学习技术标准委员会工作组将在 2025 年结束之际，继续向开源存储库提供架构，甚至可能提供采用实践。2025 年后，所有 LTSC 开放标准的工作将过渡到计划中的学习技术标准委员会 (LTSC) 子小组，并在可预见的未来继续进行。
结论
学习元数据术语允许以图形格式表达学习资源和学习事件，从而使机器能够“抓取”数据，无论其来源如何。通过在设计中考虑互操作性，系统可以轻松地相互通信，甚至可以共享AI算法和模型。遵循标准中设计的实践，可以实现更强大的搜索和发现功能，并有机会连接到学习生态系统中的其他数据，最终赋能学习者及其指导者。
考虑采用 LMT 标准来编目或共享学习资源或活动。该标准轻量且可扩展。该标准可在线购买。
免责声明：本文内容由作者全权负责。文中表达的观点仅代表作者个人，不代表 IEEE、计算机学会及其领导层的立场。

IEEE官方网站上正式发布了2026 IEEE新晋Fellow名单。今年共有350人当选，新晋成为IEEE Fellow。IEEE Fellow是为在IEEE所关注的领域中做出了非凡成就的IEEE会员保留的一项荣誉，每年由同行专家在做出突出贡献的IEEE会员中评选产生。
IEEE网站链接：
https://ieee-org.widen.net/s/qqrqr2nrk6/fellow-class-announcement-2026
2026 NEWLY ELEVATED FELLOWS – Chinese mainland
2026年度新入选会士 – 中国大陆地区
Xiang Bai 白翔，华中科技大学
Huazhong University of Science and Technology
China
for contributions to document image processing and understanding
入选理由：对文档图像处理和理解的贡献。
Chunlin Chen 陈春林，南京大学
Nanjing University
China
for contributions to reinforcement learning and quantum learning systems
入选理由：对强化学习和量子学习系统的贡献。
Mou Chen 陈谋，南京航空航天大学
Nanjing University of Aeronautics and Astronautics
China
for contributions …

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
我们十二月的第一篇推荐论文由卡尔顿大学、梅德尼耶特大学、蒙特利尔理工学院、加拿大国家研究委员会和 MDA 的作者合作完成。论文主要探讨在自由空间光卫星网络中，网络时延和卫星发射功率之间的取舍：想让通信更快，就需要卫星用更多功率来发射信号。研究还发现，云层天气会明显影响激光上下行通信的稳定性，这说明这类卫星网络对大气条件非常敏感。
Free-Space Optical (FSO) Satellite Networks Performance Analysis: Transmission Power, Latency, and Outage Probability
Jintao Liang; Aizaz U. Chaudhry; Eylem Erdogan; Halim Yanikomeroglu; Gunes Karabulut Kurt; Peng Hu; Khaled Ahmed; Stephane Martel
Published in volume 5, IEEE Open Journal …

当一辆自动驾驶汽车必须在耄耋老者与未成年儿童之间做出生死抉择时，经典的“电车难题”已从伦理假设演变为AI系统必须直面的现实挑战。这一困境深刻揭示：人工智能在现实世界中的决策，已触及价值判断、生命权衡与责任归属的核心伦理议题。
要系统化地应对此类涉及算法透明度、数据隐私、系统偏见与终极问责的全球性挑战，任何单一企业或国家都难以独立承担。这迫切需要一个具备公信力、开放协作的全球治理体系作为支撑。
2024年联合国人工智能（AI）咨询机构发布《以人为本的人工智能治理》（Governing AI for Humanity），将“建立国际AI标准交换机制”列为全球AI治理的关键需求。该报告直接促成了国际人工智能标准交换平台（International AI Standards Exchange，以下简称Exchange）的设立，从而为各国政府、企业与开发者提供集中、可信的标准资源。面对透明度、隐私、算法偏见与问责等全球性挑战，政策制定者、开发者与监管机构急需开放、协作且高可信度的技术资源。
作为全球最大的非盈利性技术行业学会，电气电子工程师学会（IEEE）及其标准协会（IEEE SA）凭借100余项AI相关国际标准被联合国报告点名认可，并受邀成为Exchange的创始合作伙伴，奠定了其在AI伦理与治理领域的权威地位。100余项AI相关国际标准包括IEEE 7000™系列、伦理化设计（EAD）框架、IEEE CertifAIEd™ AI伦理认证项目等治理工具在全球层面集中开放。
随着国际标准框架逐步落地，亟需能够深刻理解并熟练运用相关国际标准的人才。而这也正是IEEE CertifAIEd™ AI伦理认证项目当前开放报名的核心目标。该项目并非普通培训，而是基于IEEE 7000系列国际标准的权威符合性评估体系。它涵盖了算法偏见、伦理透明度、隐私和问责制等标准，并与欧盟人工智能法案等即将出台的法规兼容。该项目旨在符合美国、中国、欧盟、加拿大、英国及其他司法管辖区正在考虑或实施的全球法规。
在AI治理的新时代，信任源于标准
IEEE CertifAIEd™ 由IEEE标准协会——权威推出，是您构建、证明与管理可信AI的权威资质。
选择 IEEE CertifAIEd™ AI伦理认证项目，意味着您所遵循的AI伦理规范，与全球产业和立法要求兼容同步。
立即认证，请点击查看文章：。
任何疑问，请与IEEE数据库在中国大陆地区独家供应商iGroup 中国-长煦信息技术咨询（上海）有限公司联系。邮箱：[email protected]电话：010-82331971(北方)       021-64453169(南方)

介绍
人工智能 (AI)、深度伪造和自动决策系统的迅速崛起，使得人们越来越难以分辨自己是在与另一个人、人工智能，还是两者的混合体进行交流。这引发了关于信任、安全和社会凝聚力的严峻问题，尤其是在医疗、金融和媒体等影响深远的领域。
IEEE 3152 （正式名称为《透明人机代理识别标准》 ）旨在解决这一日益严重的问题，它通过定义清晰的标记和准则来识别我们正在与谁（或什么）交互。它建立在这样一个原则之上：个人不应被误导，误以为他们正在与一个隐藏其本质的实体对话或接收其内容。通过提供结构化的音频、视频和基于元数据的“标记”，该标准为提高透明度奠定了基础，并促进了值得信赖的人工智能与人类协作。
标准概述
目的和范围
IEEE 3152的核心是提供一个透明的框架，确保人们能够识别他们是否正在与以下对象进行通信：
1.一个真实的人（未经过滤或未经改变）。
2.一个自主的人工智能系统。
3.在人类监督下运作的混合实体。
4.人类的行为受到人工智能的操控。
5.被人工智能（合成或深度伪造）显著改变的媒体。
该标准不再关注人工智能系统如何在“幕后”做出决策，而是聚焦于谁或什么在控制内容或通信。这种清晰性对于减少在线聊天、电话通话、社交媒体帖子、视频或任何其他平台上的混乱和欺骗至关重要。
相关领域和应用
IEEE 3152 可以在多种用例中实现：
●客户服务：标记部分或全部由人工智能驱动的呼叫中心支持。
●远程医疗：披露健康应用程序或远程呈现机器人是否处于人类主动控制之下。
●媒体和娱乐：标记合成的、人工智能生成的内容，例如深度伪造视频。
●财务：让用户了解财务建议是自动化的还是人工主导的。
●社交媒体：识别人工智能生成的帖子或账户。
主要特点和优点
1.清晰的识别标记：
○在交互开始时出现的视觉图标（在屏幕上或物理显示在机器人/设备上）。
○电话或仅语音频道的音频免责声明。
○元数据“标签”可实现自动化工具检测和跨平台的可追溯性。
2.提高信任度和安全性：
○有助于防止恶意冒充企图，例如深度伪造诈骗或人工智能驱动的欺诈。
○通过明确对话背后是人还是机器，降低情感或心理伤害的风险。
3.降低监管和法律风险：
○协助组织遵守新兴的国家和国际人工智能披露法规。
○提供一致的标签方法，减轻企业创建临时透明度解决方案的负担。
4.增强的互操作性：
○该标准的元数据模型与 EXIF、XMP、DID 或 C2PA 等现有框架集成，以确保内容真实性。
○可能补充与人工智能伦理、安全和数据治理相关的其他标准。
5.跨行业适应性：
○足够灵活，适用于面向消费者的系统和更复杂、安全关键的环境（例如医疗机器人或大型企业平台）。
采用和影响
●当前采用者：越来越多专注于人工智能的组织和媒体正在尝试或试行此类“机构识别”标记，特别是在远程医疗或数字银行等高风险环境中。
●行业和社会效益：当人们能够自信地区分人机交互时，就能构建一个更加诚实可靠的数字生态系统。误解和操纵将变得更加难以发生。
●广泛应用的潜力：随着人工智能在主流应用中的持续增长，IEEE 3152 等标准可以成为行业规范，有助于建立对人工智能增强型产品和服务的广泛信任。
未来发展
●正在进行的修订：随着人工智能的快速发展，IEEE 3152 的未来迭代将完善“混合”系统的定义以及下一代沉浸式技术（例如增强现实）的强大标记。
●与新工具的互操作性：预期与加密水印、合成媒体的高级“指纹识别”以及新的监管框架（如欧盟或国家人工智能法）的集成将确保该标准的持续相关性。
●工作组：
○人类或人工智能交互透明度工作组领导核心开发，广泛代表学术界、工业界和道德界。
○C/AISC（IEEE 计算机学会人工智能标准委员会）负责协调与其他相关标准的更广泛协调，并与 IEEE 的全球网络保持联络，以保持标准的最新状态。
结论
在人工智能能够无缝模仿人类语音、面部表情和决策的时代， IEEE 3152是透明度的重要灯塔。它使我们能够识别交互背后的“谁或什么”，增强了人们对人工智能驱动通信的信任，并为更合乎道德、更负责任地开发新兴技术奠定了基础。
如果您希望探索IEEE 3152或在您的组织中采用它，请访问官方IEEE标准商店了解更多信息或购买已发布的标准。

作者：袁小军，田野，潘荣壮，张慧源
引言
《轨道交通知识图谱应用指南》(Guide for Application of Knowledge Graphs for Rail Transit，项目编号 P2807.9)是一项对轨道交通行业影响深远的开创性标准。该指南为轨道交通行业知识图谱的开发与实施提供了一个系统完整框架，即面向轨道交通的知识图谱(rail-transit-oriented KG，RTKG)。它满足了业界对一致的知识模式和统一接口标准的迫切需求——长期以来，行业标准的缺失严重阻碍了不同轨道交通企业间有效地交换和集成知识。指南提出的 RTKG 框架涵盖数据与模式要求、RTKG 构建流程、RTKG 集成、性能评估以及多种应用场景，如图1所示。从事轨道交通领域知识图谱开发的机构和企事业据此可以遵循通用的实施方法，确保兼容性和互操作性。此外，该指南还支持供应商在统一的知识模型和接口规范下提供兼容的知识图谱，如图2所示。通过此指南，各个独立的知识图谱可以便捷高效地组合集成，为轨道交通行业构建更完整、更准确的知识服务生态系统。
图1: RTKG组织的主要活动
图2: RTKG 模型框架
在轨道交通行业中开发与实施 RTKG 是一项复杂而多元的工作，需要各方利益相关方的积极参与与突出贡献。个人层面的贡献对于此类工作的成功与有效性至关重要，专家、研究人员、行业专业人士以及数据科学家都能带来独特的见解与专业知识，这对于创建一个全面而准确的 RTKG 至关重要。除个人贡献外，还需要来自不同来源的输入，例如历史数据、实时运营数据、检修维护记录与安全报告等。这些多元的数据源为构建稳健可靠的 RTKG 提供了所需的原始材料。此外，机构与企业之间的协同合作对于共享知识、最佳实践与技术进步同样至关重要。通过协作，各方能够共同克服知识模式不一致与接口标准不统一所带来的相关挑战，最终推动创建一个更具凝聚力和互操作性的 RTKG 生态体系。
参与的重要性
参与与本标准相关的标准化活动，将为个人及其所在机构带来显著优势。对个人而言，参与活动可提供分享知识、汲取同行见解的平台，并促进职业成长与发展；这种投入还能提升在行业内的公信力与知名度，进而可能带来新的职业机会。对组织层面而言，积极参与有助于塑造推动创新、提高效率并确保符合监管要求的行业标准，同时也使企业能够影响未来的趋势和技术，使其处于行业前沿。
专业人士可通过多种途径为本标准的制定作出贡献。可以加入 IEEE 计算机学会知识工程标准委员会（IEEE Computer Society Knowledge Engineering Standards Committee），尤其是轨道交通知识图谱工作组（Knowledge Graph Working Group for Rail Transit），直接参与标准的编制与修订。上述委员会通常面向不同领域的专家开放，提供跨学科协作的机会。参加与本标准相关的会议、研讨会和工作坊，有助于了解在研项目并与利益相关方建立联系。专业人士还可参与公开征求意见，对拟议标准提出反馈，确保自身观点得到考虑。发表相关主题的研究论文或白皮书，也有助于夯实本标准的技术基础。
当前项目与倡议
IEEE计算机学会知识工程标准委员会正积极推进与知识图谱相关的标准制定项目和倡议。本项目旨在为轨道交通行业建立知识图谱标准，解决长期存在的知识模式不一致与接口标准不统一等问题。
P2807.9项目目前已成功组织四次会议。这些会议促成了一个专门工作组的成立，确认了工作组章程，并对P2807.9标准大纲进行了多轮修改和确认，最终形成D1.0版本草案。基于D1.0版本，项目目前正进行D2.0版本草案的修改与制定，将进一步细化标准规范，以确保其实用性和前瞻性。
我们鼓励读者参与这些正在进行的项目与倡议。 您的参与不仅有助于推动计算机科学的发展与进步，也为您提升专业技能、拓展人脉并对行业产生积极影响提供宝贵机会。欲了解更多关于如何参与的信息，请访问IEEE官方网站或发送邮件至[email protected]表达您的意向并咨询加入流程。
通过参与这些项目和活动，您可以帮助塑造计算机科学与技术的未来，推动创新并促进全球社区的合作。
结语
IEEE P2807.9标准的制定对于克服现有的知识模式不一致与接口标准不统一相关障碍至关重要。该标准旨在促进不同轨道交通企业之间的无缝知识交换和整合，从而推动构建更具凝聚力的轨道交通行业知识图谱生态系统。
对于有志于为IEEE P2807.9标准做出贡献的人士，您可以在官方网站(https://sagroups.ieee.org/kesc/)上找到更多信息，或发送邮件至[email protected]表达您的意向并咨询加入流程。
免责声明：作者对本文内容负完全责任。文中观点仅代表作者本人，不代表 IEEE、IEEE 计算机学会或其领导层的立场。

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。
本月第二篇专题文章由爱尔兰戈尔韦大学(University of Galway)与Valeo Vision Systems联合发表。研究团队提出了一种用于自动驾驶系统的轻量化感知方法，专门检测未见或异常物体。研究团队通过多摄像头输入与新型NuScenesOOD数据集，实现了鸟瞰图空间中分布外物体的有效识别，显著提升了车辆对新型及不规则障碍物的探测能力。
Towards Robust Autonomous Driving: Out-of-Distribution Object Detection in Bird’s Eye View Space
Muhammad Asad; Ihsan Ullah; Ganesh Sistu; Michael G. Madden
Published in volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11031213
有监督的自驾驶感知算法能够有效识别常见类型物体，如汽车、公交车、信号灯与行人。然而在真实环境中，可能存在训练数据未涵盖的任意物体，这类对象被称为分布外（Out-of-Distribution, OOD）物体。本研究提出了一种在车辆俯视图（鸟瞰图，BEV）中检测此类物体的方法。
我们的方法具有轻量化特性，可便捷集成至现有BEV系统。通过融合多摄像头输入数据，系统能够生成OOD概率图。在训练阶段，我们在可行驶区域网格的车辆上添加随机遮挡块以完全遮蔽车辆特征。图中每个物体将获得一个异常评分，用于量化其与已知物体均值分布的偏离程度——高分值即表明该物体属于OOD。这种机制使系统在遇到新型物体（如道路动物、随机杂物或异常物体）时，能够避免产生高置信度的错误分类。即使无法具体命名这些物体，系统仍可准确定位其空间位置。
我们同时推出了名为NuScenesOOD的新数据集。该数据集通过对车辆施加不同纹理模式与数据增强技术，构建了具有异常特征的车辆样本。该数据集也被用于模型评估验证。本方法专注于BEV空间中的类车辆异常体检测，在保持已知物体高识别精度的同时，显著提升了对未知物体的探测能力。该研究通过增强自动驾驶系统对环境中类车辆OOD物体的识别能力，为提升未来自动驾驶安全性提供了重要支持。

一、引言
电子产品的快速发展，使得升级现有电子产品生产线（EPL）或设计新的电子产品生产线的需求日益迫切。产品订单的变化也导致电子产品生产线需要频繁重组。然而，由于设计不合理，许多电子产品生产线无法实现初始目标。本推荐规程提出了一种优选技术，可帮助从业者高效设计高性能的电子产品生产线。
二、标准概述
本推荐规程为电子产品生产线的变型设计提供了相关技术方法，涵盖的内容包括需求文档编制、生产线改造、变型设计流程、迭代设计模式及结果评估。
本推荐规程对计算机辅助设计软件供应商、仿真软件供应商、信息系统供应商、制造商、工业控制系统供应商及设备供应商可能具有参考价值。
三、主要特点与优势
本推荐规程包含结构设计、行为规划、控制架构设计及性能优化等核心内容。规程推荐电子产品生产线的定制化设计与实施方案，以满足制造商的差异化需求——例如场地空间限制、产能目标、成本控制、个性化制造流程及遗留设备集成等场景。
此外，本推荐规程可帮助从业者高效设计高性能的电子产品生产线。
四、采用情况与影响
本推荐规程以智能手机装配线的变型设计为案例研究对象。由于智能手机装配线的变型设计均基于场地、遗留设备及产能预期的个性化需求，设计方案能够快速制定。
整条生产线的物理结构及改造方案的性能会因个性化需求的不同而存在差异，设计人员可根据具体需求选择不同的设计方案。该案例研究表明，本推荐规程已有效提升了制造商的生产线设计能力。
五、未来发展
由IEEE计算机学会智能制造标准委员会（IEEE Computer Society Smart Manufacturing Standards Committee）管理的工作组，确定了生产线设计的三个未来研究方向，具体包括：
1. 电子产品生产线（EPL）典型参考模型
2. 生成式人工智能（AIGC）驱动的生产线概念设计
3. 多学科融合与跨维度生产线设计
六、结论
本推荐规程为电子产品生产线的变型设计提供了相关技术方法，涵盖需求文档编制、生产线改造、变型设计流程、迭代设计模式及结果评估等内容。该规程对计算机辅助设计软件供应商、仿真软件供应商、信息系统供应商、制造商、工业控制系统供应商及设备供应商可能具有参考价值。
同时，案例研究表明，本推荐规程已有效提升了制造商的生产线设计能力。
链接：https://ieeexplore.ieee.org/document/10707151