提出枚举引导的神经HJ安全证书训练框架

研究者提出一个验证引导的训练框架，用安全约束的概率枚举检测神经 Hamilton-Jacobi 安全证书中的前向不变性违背，找出证书错误判定安全行为的状态，并生成比标准对抗攻击方法更紧凑、更贴近失败边界的反例集合。 用这些反例微调预训练的 HJ 值函数后，在所有测试基准上可认证区域扩大、认证时间缩短。作者还基于精炼后的证书引入部署时的屏蔽机制，在 Isaac Sim 物理仿真和真实自主赛车实验中，相比名义控制器和基于 LQR 的备份策略实现了零安全约束违背。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。