Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →China standard: L3 Fusa Sotif. # L3 有条件自动驾驶系统 功能安全和预期功能安全技术要求
.claude/skills/pangzhenying2025-china-l3-fusa-sotif/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 33% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 50% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 36% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 13% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 65% | 0% |
| 属性 | 值 | |------|-----| | 标准编号 | 待定（GB/T） | | 名称 | 智能网联汽车 有条件自动驾驶系统 功能安全和预期功能安全技术要求 | | 状态 | 工作组草案（2025.01.18 正式版） | | 推荐等级 | P2-推荐入选 | | 特殊价值 | 中国独有标准，全球首个将FuSa+SOTIF联合要求系统化的标准 | | 总页数 | 132页 |
L3 FuSa+SOTIF联合标准的独特性
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
国际标准现状:
ISO 26262 (FuSa) ← 独立标准
ISO 21448 (SOTIF) ← 独立标准
→ 两者如何在L3系统中协同？缺少指导
中国创新:
本标准首次将FuSa+SOTIF联合要求系统化
├── 统一的安全目标体系
├── 联合的风险分析方法
├── 集成的V模型开发流程
└── 综合的安全论证框架
引用基础标准:
GB/T 34590-2022 (功能安全)
GB/T 43267-2023 (预期功能安全)
GB/T 40429-2021 (驾驶自动化分级)
GB/T 44721-2024 (自动驾驶系统通用技术要求)
ISO PAS 8800 (AI安全)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━标准目录结构
├── 第1章 范围
├── 第2章 规范性引用文件
├── 第3章 术语和定义
│ ├── 安全度量指标 (Safety Metric)
│ ├── SOFIL (Safety of Functionality Integrity Level)
│ ├── 主控权 (Override)
│ ├── 影子模式 (Shadow Mode)
│ └── 回退策略 (Regression Strategy)
├── 第4章 通用要求
│ ├── 4.1 概述
│ ├── 4.2 L3功能安全和SOTIF集成要求
│ ├── 4.3 分布式开发管理
│ └── V模型集成框架
├── 第5章 系统规范定义
│ ├── 5.1 功能规范
│ ├── 5.2 运行设计条件 (ODC)
│ ├── 5.3 系统架构
│ ├── 5.4 外部交互
│ └── 5.5 安全策略
├── 第6章 安全目标与接受准则
│ ├── 6.1 车辆级危害清单（11项，含ASIL等级）
│ ├── 6.2 残余风险接受准则
│ └── 6.3 SOFIL等级要求
├── 第7章 风险场景与安全要求
│ ├── 7.1 高速/快速路危险场景（10类）
│ ├── 7.2 城市道路危险场景（10类）
│ ├── 7.3 误用预防
│ ├── 7.4 驾驶员可控性
│ ├── 7.5 功能安全分析要求
│ └── 7.6 MRM安全要求
├── 第8章 测试验证要求
├── 第9章 运行与维护
└── 附录A-FTable 2: L3系统车辆级危害清单（摘要）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
危害编号 描述 ASIL
H-01 非预期横向运动 ASIL D
H-02 丧失减速能力 ASIL D
H-03 非预期加速 ASIL D
H-04 非预期减速 ASIL C
H-05 非预期激活 ASIL B
H-06 丧失MRM能力 ASIL B
H-07 视野丧失 ASIL A
H-08 误报接管请求 ASIL A
H-09 驾驶员状态误判 ASIL B
H-10 通信安全失效 ASIL B
H-11 数据记录失效 ASIL A
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━残余风险接受准则
├── 碰撞频率：不超过 10⁻⁴/小时
├── SOFIL等级：最低 4E 级
├── 与人类驾驶员安全水平对比
│ ├── 不低于合格谨慎驾驶员水平
│ └── 基于自然驾驶数据的统计论证
└── 持续安全监控义务Table 3: 高速/快速路关键安全场景
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. 前方车辆急制动
2. 前方车辆切出暴露静止障碍物
3. 侧方车辆切入
4. 前方慢速车辆逼近
5. 隧道出入口光照突变
6. 施工区域车道变化
7. 雨雪雾等恶劣天气
8. 传感器性能退化
9. 匝道合流/分流
10. 收费站区域
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━Table 4: 城市道路关键安全场景
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
1. 行人横穿（含闯红灯）
2. 非机动车突然切入
3. 交叉路口冲突
4. 路侧停放车辆遮挡
5. 公交车站行人出入
6. 学校/医院区域
7. 施工围挡/临时占道
8. 信号灯识别错误/遮挡
9. 逆光/暗光视觉受限
10. GPS信号遮挡/多径
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━MRM安全要求
├── 触发条件
│ ├── 系统故障检测
│ ├── ODD退出检测
│ ├── 驾驶员持续无响应
│ └── 传感器严重退化
├── 执行要求
│ ├── MRM启动延迟 < 500ms
│ ├── 减速度限制（舒适性兼顾）
│ ├── 优先选择安全停车位置
│ └── 全程保持碰撞避免
├── 安全停车
│ ├── 开启双闪警示
│ ├── 驻车制动激活
│ ├── 解锁车门
│ └── 触发eCall（如严重情况）
└── 验证要求
├── 仿真测试覆盖所有MRM场景
├── 场地测试验证物理执行
└── 道路测试验证真实工况skills/china-standards/functional-safety/ — GB/T 34590 功能安全skills/china-standards/sotif/ — SOTIF标准集skills/china-standards/ads-safety/ — ADS强制安全要求skills/china-standards/ai-safety/ — AI安全标准| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 27,573 | 23,443 | -15% | 1 | 1 | 0% | 4,010 | 5,351 | +33% | 0 | 0 | — |
case-02 | pass→pass | 21,164 | 22,200 | +5% | 1 | 1 | 0% | 3,466 | 5,450 | +57% | 0 | 0 | — |
case-03 | fail→pass | 25,610 | 26,214 | +2% | 1 | 1 | 0% | 4,282 | 6,442 | +50% | 0 | 0 | — |
case-04 | fail→pass | 23,847 | 21,687 | -9% | 1 | 1 | 0% | 3,919 | 5,342 | +36% | 0 | 0 | — |
case-05 | fail→pass | 15,534 | 7,778 | -50% | 1 | 1 | 0% | 2,825 | 3,189 | +13% | 0 | 0 | — |
case-06 | fail→pass | 18,263 | 14,125 | -23% | 1 | 1 | 0% | 2,626 | 4,345 | +65% | 0 | 0 | — |
case-07 | fail→pass | 14,419 | 7,287 | -49% | 1 | 1 | 0% | 2,222 | 2,828 | +27% | 0 | 0 | — |
case-12 | pass→pass | 11,446 | 2,826 | -75% | 1 | 1 | 0% | 2,066 | 2,221 | +8% | 0 | 0 | — |
case-08 | fail→fail | 19,550 | 15,093 | -23% | 1 | 1 | 0% | 3,147 | 4,257 | +35% | 0 | 0 | — |
case-09 | pass→pass | 18,223 | 10,647 | -42% | 1 | 1 | 0% | 2,787 | 3,443 | +24% | 0 | 0 | — |
case-10 | pass→pass | 14,271 | 7,405 | -48% | 1 | 1 | 0% | 2,134 | 2,956 | +39% | 0 | 0 | — |
case-11 | pass→pass | 18,437 | 18,542 | +1% | 1 | 1 | 0% | 2,802 | 4,620 | +65% | 0 | 0 | — |
case-13 | pass→pass | 17,061 | 6,346 | -63% | 1 | 1 | 0% | 2,824 | 2,785 | -1% | 0 | 0 | — |
case-14 | fail→pass | 18,192 | 14,855 | -18% | 1 | 1 | 0% | 2,634 | 4,031 | +53% | 0 | 0 | — |
case-15 | pass→pass | 19,831 | 20,586 | +4% | 1 | 1 | 0% | 3,138 | 4,907 | +56% | 0 | 0 | — |
case-16 | fail→pass | 10,989 | 5,728 | -48% | 1 | 1 | 0% | 1,925 | 2,752 | +43% | 0 | 0 | — |
case-17 | fail→pass | 11,035 | 7,317 | -34% | 1 | 1 | 0% | 2,014 | 3,032 | +51% | 0 | 0 | — |
case-18 | pass→pass | 11,608 | 4,653 | -60% | 1 | 1 | 0% | 1,955 | 2,472 | +26% | 0 | 0 | — |
case-19 | pass→pass | 16,839 | 12,949 | -23% | 1 | 1 | 0% | 2,433 | 3,638 | +50% | 0 | 0 | — |
case-20 | pass→pass | 18,968 | 21,769 | +15% | 1 | 1 | 0% | 3,205 | 5,412 | +69% | 0 | 0 | — |
case-21 | pass→pass | 12,107 | 10,152 | -16% | 1 | 1 | 0% | 2,222 | 3,684 | +66% | 0 | 0 | — |
case-22 | pass→pass | 20,976 | 21,114 | +1% | 1 | 1 | 0% | 3,467 | 5,312 | +53% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +41 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.