EASA AI 航空座舱监管框架深度解读：从AI保证到Level 3自动化——汽车DMS可借鉴的监管思路

EASA AI 航空座舱监管框架深度解读：从AI保证到Level 3自动化

事件信息

项目 内容
事件 EASA AI Days 2026 (科隆)
监管编号 RMT.0742
提案NPA 2025年11月发布，2026年3月截止评论
AI系统决赛 10个（从50个申报中选出）
Level 3分类 高级自动化（人在环外/远程在场）
核心文件 EASA AI Concept Paper (Issue 3, 2026-06)

1. EASA AI 监管框架三层结构

1.1 框架层级

graph TB
    subgraph "第一层：通用AI标准"
        A[AI Assurance<br/>可信度保证]
        B[Human Factors<br/>人因工程]
        C[Ethics<br/>伦理准则]
    end
    
    subgraph "第二层：领域特定规则"
        D[驾驶舱AI<br/>FOR-DEC等]
        E[安全分析AI<br/>报告分析]
        F[认证AI<br/>Xcert AI]
        G[机场运营AI]
    end
    
    subgraph "第三层：操作等级"
        H[Level 1: 人辅助<br/>AI提供建议]
        I[Level 2: 人机协作<br/>AI与飞行员共同决策]
        J[Level 3: 高级自动化<br/>AI可独立运行/远程]
    end
    
    A & B & C --> D & E & F & G
    D & E & F & G --> H & I & J

1.2 EASA AI Level定义

Level 名称 人在环 自动化程度 应用场景
1 Human Assistance 是 低 FOR-DEC决策辅助
2 Cooperative 是 中 PilotEye碰撞avoidance
3 Advanced Automation 否/远程 高 Merlin AI副驾驶

1.3 与SAE自动驾驶等级对比

EASA AI Level SAE等级 共同点 差异
1 L1-L2 人主责 航空更强调可追溯
2 L3 人可接管 航空更严格
3 L4-L5 可独立运行 航空不允许完全无人

2. AI Olympics 10个决赛系统

2.1 驾驶舱相关系统

系统 公司 功能 Level
FOR-DEC AI Kairós Aeroespacial 驾驶舱决策组织/选项比较/不确定性识别 1
PilotEye Daedalean 摄像头碰撞avoidance 2
Merlin Pilot Merlin AI副驾驶/全自主飞行 3

2.2 其他系统

系统 功能
安全报告AI分析 大规模安全报告文本挖掘
Xcert AI 认证/合规辅助
PlaneDNA 维修日志数字化

3. FOR-DEC AI 深度分析

3.1 FOR-DEC 方法论

FOR-DEC 是航空界经典的驾驶舱决策方法论：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
FOR_DEC_FRAMEWORK = {
    "F": {
        "name": "Facts",
        "chinese": "事实",
        "description": "收集当前情况的事实信息",
        "AI_assist": "自动汇总气象/交通/飞机状态",
    },
    "O": {
        "name": "Options",
        "chinese": "选项",
        "description": "列出所有可行选项",
        "AI_assist": "生成候选方案+可行性评估",
    },
    "R": {
        "name": "Risks/Benefits",
        "chinese": "风险/收益",
        "description": "评估每个选项的风险和收益",
        "AI_assist": "量化风险评分+不确定性标注",
    },
    "D": {
        "name": "Decision",
        "chinese": "决策",
        "description": "机组做出最终决策",
        "AI_assist": "提供决策依据追溯，不替代决策",
    },
    "E": {
        "name": "Execute",
        "chinese": "执行",
        "description": "执行决策",
        "AI_assist": "检查执行步骤+异常提醒",
    },
    "C": {
        "name": "Check",
        "chinese": "检查",
        "description": "评估执行效果",
        "AI_assist": "实时监控+偏差预警",
    },
}

# FOR-DEC AI 的关键设计原则
DESIGN_PRINCIPLES = {
    "traceable_reasoning": "AI推理过程对机组可追溯",
    "pilot_remains_decision_maker": "飞行员始终是决策者",
    "uncertainty_labeling": "AI必须标注不确定性",
    "no_autonomous_decisions": "AI不做操作决策",
    "human_machine_team": "人机协作而非替代",
}

3.2 与汽车DMS的对比

维度 FOR-DEC AI（航空） DMS（汽车）
决策主体 飞行员 驾驶员
AI角色 提供建议/分析 检测状态/触发警告
可追溯性 必须可追溯 建议有
不确定性 必须标注 通常不标注
人机关系 协作 监督→警告
自动化 Level 1-2 L2-L3辅助

4. Daedalean PilotEye

4.1 技术特点

参数 数值/描述
传感器 摄像头（光学）
功能 碰撞avoidance / 空中交通感知
认证 接近FAA认证
对比 比传统TCAS更早检测
优势 视觉识别非应答机目标

4.2 与汽车AEB对比

维度 PilotEye（航空） AEB（汽车）
检测目标 飞机/无人机 车辆/行人
传感器 光学摄像头 雷达+摄像头
响应 警告飞行员 自动制动
决策 飞行员执行 系统自动
速度 200+节 0-120km/h

5. Merlin Pilot AI副驾驶

5.1 定位

项目 内容
定位 AI副驾驶
目标 增强飞行安全+未来全自主
阶段 开发中
Level EASA Level 3

5.2 与汽车L3对比

维度 Merlin（航空） SAE L3（汽车）
人可脱离 是（有限场景） 是
接管请求 系统请求 系统请求
接管时间 秒级 10-30秒
监管 EASA严格审查 各国法规不一
公众接受度 低（航空安全敏感） 中等

6. IMS 跨行业启示

6.1 监管框架借鉴

EASA做法 汽车可借鉴 IMS建议
三层框架(通用→领域→等级) 建立DMS分级 按风险等级分级
AI Assurance AI可信度保证 DMS算法需认证
可追溯推理 决策可解释 DMS决策需可追溯
不确定性标注 置信度标注 警告需标注置信度
AI Olympics 竞赛评测 建立DMS竞赛基准

6.2 FOR-DEC 对DMS的启发

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# FOR-DEC 在DMS中的应用映射
DMS_FOR_DEC_MAPPING = {
    "F-Facts": {
        "automotive": "收集驾驶员状态(疲劳值/分心值/ gaze方向)",
        "AI_assist": "实时多模态特征融合",
    },
    "O-Options": {
        "automotive": "可选响应(警告/振动/减速/靠边停车)",
        "AI_assist": "根据风险等级生成候选响应",
    },
    "R-Risks": {
        "automotive": "不响应的风险 vs 响应的干扰",
        "AI_assist": "量化误报/漏报成本",
    },
    "D-Decision": {
        "automotive": "DMS系统决策(不像航空让人选)",
        "AI_assist": "基于风险评估自动选择响应等级",
    },
    "E-Execute": {
        "automotive": "执行警告/制动",
        "AI_assist": "监控执行效果",
    },
    "C-Check": {
        "automotive": "评估响应是否有效",
        "AI_assist": "如果无效则升级响应",
    },
}

6.3 不确定性标注（关键启示）

EASA要求AI必须标注不确定性 — 这对DMS是重要启示：

当前DMS EASA式DMS
检测→直接警告 检测→置信度评估→分级响应
无不确定信息 标注”90%确信疲劳”
响应统一 低置信→记录; 高置信→警告
不可追溯 决策链完整记录

7. 航空AI生态公司

公司 产品 阶段 融资
Daedalean PilotEye碰撞avoidance 接近FAA认证 $
Merlin AI副驾驶 开发 $1B+
PlaneDNA 维修日志AI 市场中 —
Kairós FOR-DEC AI 原型 —
Xcert 认证AI 原型 —

8. 局限性

局限 影响 缓解
航空与汽车差异大 不能直接套用 取框架思路
EASA尚在制定中 规则未最终确定 关注进展
Level 3争议 全自主飞行有阻力 短期Level 1-2
AI Olympics非标准评估 非正式竞赛 需建立标准基准

9. 结论

EASA AI监管框架的核心贡献：

  1. 三层框架：通用标准→领域规则→操作等级，可迁移到汽车DMS
  2. 可追溯AI：AI推理必须可追溯 — DMS也应实现
  3. 不确定性标注：AI必须标注置信度 — DMS决策需分级
  4. 人在环优先：FOR-DEC “飞行员始终是决策者” — DMS的”驾驶员始终是操作者”
  5. AI Olympics：竞赛式评估 — 建议Euro NCAP引入类似机制

IMS启示： DMS不仅要检测，还要量化不确定性、可追溯决策、分级响应。EASA的FOR-DEC模式（事实→选项→风险→决策→执行→检查）是DMS从”检测→警告”进化到”检测→评估→决策→执行→验证”完整闭环的参考范式。

参考文献

  • EASA NPA RMT.0742, 2025-11
  • EASA AI Concept Paper Issue 3, 2026-06
  • EASA AI Days 2026, Cologne
  • FOR-DEC: Kairós Aeroespacial
  • Daedalean PilotEye: daedalean.ai
  • Merlin Pilot: merlinlabs.com
航空座舱
#航空座舱 #EASA #AI监管 #FOR-DEC #Daedalean #Merlin #Level 3 #可追溯AI
EASA AI 航空座舱监管框架深度解读：从AI保证到Level 3自动化——汽车DMS可借鉴的监管思路
https://dapalm.com/2026/09/16/2026-09-16-easa-ai-cockpit-regulation-for-dec-dms-lessons-ims/
作者
Mars
发布于
2026年9月16日
许可协议