Sample-Efficient Learning of Probabilistic Causes for Reachability in Markov Decision Processes with Probabilistic Guarantees
Toyota Research Institute of North America（丰田美国研究院）；Toyota Motor North America Frontier Research Center（丰田北美前沿研究中心）；Toyota Motor Corporation（丰田公司）；Toyota Motor North America（丰田北美）
针对未知转移概率的马尔可夫决策过程，提出一种基于重启的修改方法，将概率提升原因检查简化为两个条件可达性查询，并设计基于双边值迭代的随时学习与检查算法，实现高效且可靠的原因识别。
2026-06-29 cs.AI cs.SY eess.SY
Probabilistic Reachability of Discrete-Time Nonlinear Stochastic Systems
针对含确定性输入与随机噪声的离散时间非线性系统，提出基于平均矩生成函数的紧概率界，并结合确定性可达性方法构建统一的概率可达集计算框架。
2024-09-14 cs.SY eess.SY math.OC
Data-Driven Reachability with Scenario Optimization and the Holdout Method
本文提出使用留出法进行数据驱动可达性分析，在多个数值示例中证明其概率边界更尖锐且样本需求更少，并论证了概率边界的必要性。
2025-09-11 cs.SY eess.SY
Multi-Agent Reachability Calibration with Conformal Prediction
针对融合其他智能体行为预测的自主智能体安全保障问题，提出结合分位数回归、共形预测与可达性分析的方法，生成概率安全且动态可行的预测集，并通过自动驾驶仿真与波音飞行器实验验证了其在规划安全认证中的效用。
2023-12-13 cs.SY eess.SY
Probabilistic Reachability Analysis of Stochastic Control Systems
本文提出统一框架，通过解耦确定性输入与随机扰动，并引入平均矩生成函数给出高概率界，从而改进连续时间随机控制系统的可达集估计。
2024-09-03 cs.SY eess.SY math.OC
From Global to Local: Hierarchical Probabilistic Verification for Reachability Learning
University of California Berkeley（加州大学伯克利分校）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出分层概率验证框架，结合全局认证与局部细化，提升高维非线性系统可达性学习的安全性与效率。
2026-10-16 cs.SY eess.SY
Reachability Analysis With Probabilistic Zonotopes: Learning Realized Disturbances and Refining Aleatory Uncertainty
University of Cyprus（塞浦路斯大学）；Aalto University（阿尔托大学）；Technical University of Munich（慕尼黑工业大学）；Michigan State University（密歇根州立大学）
提出一种数据驱动线性系统可达性框架，利用概率区域多面体建模扰动，通过轨迹数据精化保守先验，分离已实现扰动与偶然不确定性，并开发约束概率区域多面体演算以降低保守性。
2026-07-03 cs.SY eess.SY
DaDRA: A Python Library for Data-Driven Reachability Analysis
可达性分析用于确定系统在不确定性下可能达到的所有可能状态。它是获得各种安全关键系统的安全验证和控制器综合保证的关键组成部分。虽然传统的可达性分析方法提供了可达集的正式保证，但它们涉及复杂的算法，需要完整的系统信息，这对于在现实世界中使用是不切实际的。我们提出了Daisy，一个Python库，允许数据驱动的可达性分析与任意强大的概率保证。我们展示了Daetron在各种系统上的实际功能，包括：一个分析上难以处理的混沌系统，非线性动力学系统的基准，以及一个现实的系统在复杂的干扰信号下起作用，并在多个维度上用复杂的控制器控制。
2021-11-02 cs.SY eess.SY
Safe reinforcement learning for probabilistic reachability and safety specifications: A Lyapunov-based approach
Seoul National University（首尔国立大学）
机器人和自主系统中的新兴应用，如自动驾驶和机器人手术，通常涉及关键的安全约束，即使有关系统模型的信息有限，也必须满足这些约束。在这方面，我们提出了一个无模型的安全规范方法，学习安全操作的最大概率，通过仔细结合概率可达性分析和安全强化学习（RL）。我们的方法构造了一个关于安全策略的李雅普诺夫函数来约束每个策略改进阶段。其结果是，它产生了一系列的安全策略，确定安全操作的范围，称为安全集，单调扩展，并逐渐收敛。我们还开发了一个有效的安全的探索计划，加快了未检查状态的安全性识别过程。利用李雅普诺夫屏蔽，我们的方法调节的探索性政策，以避免危险状态的高置信度。为了处理高维系统，我们通过引入拉格朗日松弛技术来进一步扩展我们的方法到深度RL，以建立一个易于处理的actor-critic算法。我们的方法的经验表现证明，通过连续控制基准问题，如达到任务的平面机器人手臂。
2020-02-24 cs.AI cs.RO cs.SY
PRREACH: Probabilistic Risk Assessment Using Reachability for UAV Control
Oregon State University（俄勒冈州立大学）
针对现有无人机风险评估框架数据依赖强、缺风险缓解控制方法的问题，提出基于可达性分析的PRReach方法，通过动力学与轨迹概率评估构建风险有界控制优化，可离线/在线应用，仿真显示比经典控制器最多降24%（离线）、53%（在线）风险。
2025-08-20 cs.RO cs.SY eess.SY
Probabilistic Occupancy Function and Sets Using Forward Stochastic Reachability for Rigid-Body Dynamic Obstacles
University of New Mexico（新墨西哥大学）
本文提出基于前向随机可达性的概率占用函数与避让集计算方法，通过傅里叶变换和计算几何描述随机障碍动态，提供凸紧致条件及高效算法，适用于DMSP和DPV障碍模型，验证了在自行车动力学中的有效性。
2018-09-19 cs.SY eess.SY math.OC
Reachability of Linear Uncertain Systems: Sampling Based Approaches
在这项工作中，我们执行的线性动力系统的不确定性的安全性分析。而不是计算一个保守的overapproximation的可达集，我们的方法涉及计算一个统计近似可达集。因此，我们的方法提供的保证是概率性的。本文给出了两种计算统计近似可达集的方法。我们已经实现了我们的算法在基于Python的原型，并证明了我们的方法在各种案例研究的适用性。我们还提供了两种方法之间的实证比较，并与流 *。
2021-09-16 cs.SY eess.SY
Continuous Reachability Task Transition Using Control Barrier Functions
针对连续时间移动机器人系统，提出了一种实现连续可达任务间平滑过渡的方法。控制障碍函数提供安全集的前向不变性和有限时间可达性的形式保证，并且能够强制执行任务。在二次规划中使用的障碍函数的结果实现控制器的实时性能保证。使用控制障碍函数的用于多目标任务执行的现有方法利用离散切换的顺序二次规划来实现连续的任务。然而，离散切换会导致控制输入的不连续性，这可能会影响机器人的性能。因此，我们提出了一种方法，确保连续二次规划之间的过渡。特别地，引入了对障碍函数约束的时变分量，其允许目标之间的平滑过渡。机器人的实施结果也提供。
2020-05-25 cs.SY eess.SY
Probabilistic Verification and Reachability Analysis of Neural Networks via Semidefinite Programming
University of Pennsylvania（宾夕法尼亚大学）
量化神经网络的鲁棒性或验证其对输入不确定性或对抗性攻击的安全性已成为学习系统的重要研究领域。大多数结果集中在最坏的情况下，神经网络的输入在一个范数有界的不确定性集内扰动。在本文中，我们考虑一个概率设置，其中的不确定性是随机的，已知的前两个时刻。在这种情况下，我们讨论了两个相关的问题：（i）概率安全验证，其中的目标是找到违反安全规范的概率的上限;和（ii）置信椭圆估计，其中给定神经网络输入的置信椭圆，我们的目标是计算输出的置信椭圆。由于非线性激励函数的存在，这两个问题很难精确求解。为了简化分析，我们的主要思想是抽象的非线性激活函数的仿射和二次约束的组合，他们施加在他们的输入输出对。然后，我们表明，安全的抽象网络，这是足够的原始网络的安全性，可以使用半定规划分析。我们用数值实验说明了我们的方法的性能。
2019-10-09 cs.LG cs.SY eess.SY
Planning with Learned Dynamics: Probabilistic Guarantees on Safety and Reachability via Lipschitz Constants
University of Michigan（密歇根大学）
我们提出了一种方法，反馈运动规划系统的未知动态提供概率保证的安全性，可达性和目标稳定性。为了找到一个域，在这个域中，可以信任真实动态的学习控制仿射近似，我们估计真实动态和学习动态之间的差异的Lipschitz常数，并确保估计在给定的概率下是有效的。提供的系统至少有尽可能多的控制状态，我们还推导出存在条件的一步反馈法，可以保持真正的系统在一个小范围内的标称轨迹规划与学习动态。我们的方法将反馈律的存在作为基于采样的规划器中的约束，该规划器返回围绕标称规划的反馈策略，确保如果Lipschitz常数估计有效，则真实系统在计划执行期间是安全的，达到目标，并且最终在关于目标的小集合中是不变的。我们通过使用6D四旋翼和7DOF Kuka臂的学习模型进行规划来演示我们的方法。我们表明，使用相同的学习动力学进行规划而不考虑误差范围或反馈法的存在的基线可能无法稳定在计划周围并变得不安全。
2021-10-19 cs.LG cs.RO cs.SY
State-Based Confidence Bounds for Data-Driven Stochastic Reachability Using Hilbert Space Embeddings
在本文中，我们计算有限样本界的随机可达性问题的解决方案的数据驱动的近似。我们的方法使用了一个非参数技术称为核广义函数嵌入，并提供了概率保证随机系统的安全性在一个无模型的方式。通过在再生核希尔伯特空间中隐式嵌入马尔可夫控制过程的随机核，我们可以用简单的矩阵运算和内积来逼近具有任意随机干扰的随机系统的安全概率.我们提出了有限的样本边界的基于点的近似的安全概率，通过建设的概率置信区间是状态和输入相关的。这种方法的一个优点是，边界是响应于非均匀采样的数据，这意味着更严格的边界是可行的，在区域的状态和输入空间与更多的观察。我们数值评估的方法，并证明其有效性的神经网络控制的单摆系统。
2021-12-07 cs.SY eess.SY math.OC
PRISM: Efficient and Locally Optimal Probabilistic Planning with Reachability Guarantees
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院）；Draper
提出PRISM算法，通过将信念空间规划分解为确定性均值规划和协方差收缩，并引入在线局部优化，在满足状态和控制约束下实现高覆盖率和低成本，同时提供可达性保证。
2026-06-26 cs.RO cs.SY eess.SY
Data-Driven Reachability Analysis of Stochastic Dynamical Systems with Conformal Inference
University of Southern California（南加州大学）
本文针对难以符号化建模的随机动力系统，提出基于数据学习替代模型并结合共形推断量化模型误差的概率可达性分析方法，为学习赋能控制系统提供概率流管保证。
2023-09-17 cs.LG cs.RO cs.SY
A Framework for Safe Probabilistic Invariance Verification of Stochastic Dynamical Systems
本文提出面向离散与连续时间随机动态系统的安全概率不变性验证框架，利用 Doob 非负超鞅不等式或方程松弛构建优化，并通过半定规划示例验证其有效性。
2024-08-03 cs.SY eess.SY
On Infusing Reachability-Based Safety Assurance within Probabilistic Planning Frameworks for Human-Robot Vehicle Interactions
Department of Aeronautics and Astronautics（航空与航天系）；Department of Mechanical Engineering（机械工程系）；School of Computing Science（计算科学学院）
本文提出一种最小干预的安全控制器，用于确保自动驾驶车辆与外部控制车辆的碰撞自由交互，通过实时控制器实现轨迹跟踪和安全保证，展示了在交通交织实验中自动驾驶车辆在对手车辆违反规划预期时仍能避免碰撞。
2018-12-29 cs.RO cs.SY eess.SY
Safe Control for Nonlinear Systems with Stochastic Uncertainty via Risk Control Barrier Functions
保证机器人和自主系统在现实环境中的安全性是一项具有挑战性的任务，需要减轻随机不确定性。近年来，控制障碍函数已被广泛用于加强安全相关的集合论性质，如前向不变性和可达性，非线性动力系统。在本文中，我们扩展了这个丰富的框架，非线性离散时间系统的随机不确定性，并提出了一个框架，以确保风险敏感的安全一致的风险措施。为此，我们引入风险控制障碍函数（RCBFs），这是障碍函数和动态的，连贯的风险措施的组合。我们表明，这种障碍函数的存在意味着在一个连贯的风险意义上的不变性。此外，我们制定了基于有限时间RCBF的条件，以保证有限时间的可达性的期望设置在一致的风险。风险敏感的安全性和有限时间可达的集合组成的布尔复合多RCBF的条件也制定。我们所提出的方法的有效性，通过其应用到一个车杆系统中的安全关键的情况。
2022-03-29 cs.SY eess.SY
Voronoi Partition-based Scenario Reduction for Fast Sampling-based Stochastic Reachability Computation of LTI Systems
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of New Mexico（新墨西哥大学）；University of Washington（华盛顿大学）
本文针对具有加性随机不确定性的线性系统提出了一种随机可达性问题的求解方法，通过采样方法计算在有限时间范围内保持安全集并最终到达目标集的最大概率，并利用Voronoi划分减少计算复杂度以提高效率。
2018-11-08 cs.SY eess.SY math.OC
Reachability Guarantees for Energy Arbitrage
本文提出了一种统一框架，通过机会约束和在线阈值策略，提高电池在不确定市场价格下的能量套利可达性保证。
2026-09-21 cs.SY eess.SY
Generating Formal Safety Assurances for High-Dimensional Reachability
University of Southern California（南加州大学）
针对高维系统下HJ可达性分析维度灾难与DeepReach神经求解器无安全保证的问题，提出误差界计算与场景优化方法，实现高维场景下概率安全的可达管近似。
2023-06-10 cs.AI cs.LG cs.RO
Computation of Input Disturbance Sets for Constrained Output Reachability
在鲁棒控制系统的设计中，带有未知但有界输入干扰的线性模型被广泛地用于建模不确定性。通常情况下，干扰集被假定为已知的先验或估计的数据，通过集成员身份识别。然而，计算一个合适的输入扰动集的情况下，可能的输出值的集合被分配的先验的问题已经收到了相对较少的关注。这个问题出现在许多情况下，如在监督控制，执行器设计，分散控制等。在本文中，我们提出了一种方法来计算输入扰动集（和相应的一组状态），使所得的一组输出尽可能接近匹配一组给定的输出，同时还满足严格的（内部或外部）包含约束。我们制定的问题作为一个最优化问题，依靠鲁棒不变性的概念。数值例子说明了如何解决安全参考集和输入约束集计算问题的方法的有效性。
2021-11-04 cs.SY eess.SY math.OC
GPS Spoofing Mitigation and Timing Risk Analysis in Networked PMUs via Stochastic Reachability
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Stanford University（斯坦福大学）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）
为了解决PMU对欺骗的脆弱性，我们提出了一个集值状态估计技术称为随机可达性为基础的分布式卡尔曼滤波器（SR-DKF），计算安全的GPS定时在网络的接收机。利用随机可达性，我们不仅估计GPS时间，而且其随机可达集，这是通过概率zonotope（p-Zonotope）参数化。虽然仅在非欺骗条件下需要已知的测量误差界限，但我们设计了一种两层方法：我们首先通过测量创新与其预期的p-Zonotope的偏差来执行测量级欺骗缓解，其次通过估计的pZonotope与违反IEEE C37.118.1a-2014标准的不安全集合的相交概率来执行状态级时序风险分析。我们验证建议的SR-DKF进行模拟接收机网络协调信号级欺骗。我们证明了提高GPS定时精度和成功的欺骗缓解通过我们的SR-DKF。我们验证的鲁棒性估计的定时风险的接收器的数量是不同的。
2021-01-13 cs.MA cs.RO cs.SY
A Lyapunov Approach for Time Bounded Reachability of CTMCs and CTMDPs
时间有界可达性是连续随机逻辑规范的连续时间马尔可夫链（CTMC）和马尔可夫决策过程（CTMDP）模型检查中的一个基本问题。它可以通过数值求解特征线性动力系统来计算，但是该过程在计算上是昂贵的。我们采取控制理论的方法，并提出了一种减少技术，找到另一个动力系统的低维（变量数），这样，数值求解减少的动力系统提供了一个近似的解决方案，保证误差界的原始系统。我们的技术概括成块性（或概率互模拟）的定量设置。我们的主要结果是一个李雅普诺夫函数表征的两个动力学的轨迹，取决于初始失配和随时间呈指数下降的差异。特别是，李雅普诺夫函数使我们能够计算两个动态之间的误差界以及收敛速度。最后，我们表明，搜索的减少动力学可以计算在多项式时间使用舒尔分解的过渡矩阵。这使我们能够有效地解决减少动力系统通过计算上三角矩阵的指数表征减少的动态。对于CTMDPs，我们推广我们的方法使用分段二次李雅普诺夫函数切换仿射动力系统。我们合成的CTMDP通过其降阶切换系统，保证时间有界的可达性概率高于阈值的政策。我们提供的误差范围取决于最小停留时间的政策。我们展示了技术的例子，从集群网络，其中块不产生任何状态空间减少，但我们的技术合成的政策，使用减少版本的模型。
2020-01-06 cs.SY eess.SY
Probabilistic stabilizability certificates for a class of black-box linear systems
我们提供了关于一类黑盒线性系的给定集合的受控不变性的样本外证书。具体来说，我们考虑线性时不变模型的状态空间矩阵是已知的，只属于某个家庭，由于可能不精确的量化的一些参数。通过利用这些未确定的参数的一组实现，验证给定集合的受控不变性属性相当于线性规划，其可行性允许我们建立关于这样的集合相对于标称线性时不变动态的受控不变性属性的后验概率证书。该框架被应用到具有未知权图的网络化多智能体系统的控制中。
2021-03-04 cs.SY eess.SY math.OC
Data-Driven Reachable Set Computation using Adaptive Gaussian Process Classification and Monte Carlo Methods
我们提出了两个数据驱动的方法估计可达集的概率保证。这两种方法都利用了一个概率公式，允许一个正式的定义，数据驱动的可达集近似，这是正确的概率意义上。第一种方法将可达性问题转化为二元分类问题，使用高斯过程分类器来表示可达集。高斯过程模型的量化不确定性允许选择新的样本点的自适应方法。第二种方法使用蒙特卡罗抽样方法来计算可达集的基于区间的近似。该方法具有概率正确性的保证，以及实现所需精度和置信度所需的样本点数量的明确界限。每种方法都用一个数值例子说明。
2019-10-06 cs.SY eess.SY
Stochastic reachability of a target tube: Theory and computation
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of New Mexico（新墨西哥大学）
本文研究了在随机不确定环境下，如何通过凸优化方法计算目标管的随机可达集，并提出了一种可扩展且无网格的算法来合成开环控制器。
2020-11-30 cs.SY eess.SY math.OC
Filtering for Liveness: Recurrence via Backup Reachability Control Barrier Functions
Amazon SAF Lab（亚马逊安全人工智能实验室）；Department of Mechanical and Civil Engineering, California Institute of Technology（加州理工学院机械与土木工程系）
本文提出基于备份可达性控制障碍函数的控制器过滤框架，可保证动力系统回归，在保留名义行为的同时支持临时偏离集合，成功应用于带信标可见性回归约束的无人机竞速场景。
2026-10-14 cs.RO cs.SY eess.SY
Online Adaptive Probabilistic Safety Certificate with Language Guidance
Carnegie Mellon University（卡内基梅隆大学）；University of Hyogo（兵库大学）
本文提出一种语言指导的自适应概率安全证书框架，用于在不确定环境中保障长期安全，同时适应人类偏好变化。
2026-05-08 cs.SY eess.SY
Scalable Data-Driven Reachability Analysis and Control via Koopman Operators with Conformal Coverage Guarantees
Georgia Institute of Technology（佐治亚理工学院）；School of ECE（电子工程学院）；Schools of Cybersecurity & Privacy & Aerospace Eng（网络安全与隐私及航空航天工程学院）
本文提出基于Koopman算子的可扩展数据驱动可达性分析与控制方法，通过符合预测保证系统覆盖，提升高维任务的可达集覆盖率和计算效率。
2026-01-03 cs.AI cs.LG cs.RO
Certificates Synthesis for A Class of Observational Properties in Stochastic Systems: A Unified Approach
School of Automation and Sensing, Shanghai Jiao Tong University（上海交通大学自动化与传感学院）
本文提出一种统一框架，用于验证连续状态空间中随机动态系统的概率形式验证，通过引入观测属性和概率超属性，结合自动机规范，开发出随机屏障证书以提供概率保证。
2026-09-22 cs.SY eess.SY
A Hamilton-Jacobi Reachability-Based Framework for Predicting and Analyzing Human Motion for Safe Planning
EECS at UC Berkeley（加州大学伯克利分校电子工程与计算机科学系）
现实世界的自主系统通常在规划期间采用人类行为的概率预测模型来推理其未来的运动。由于先验地精确建模人类行为是具有挑战性的，因此这些模型通常是参数化的，使得机器人能够通过保持模型参数的分布来适应基于观察的预测。虽然这使得数据和先验能够改进人类模型，但观察模型难以指定，并且先验可能不正确，导致错误的状态预测，这可能降低机器人运动计划的安全性。在这项工作中，我们试图设计一个预测器，它对错误指定的模型和先验更鲁棒，但仍然可以利用在线人类行为数据以安全的方式减少保守性。为了做到这一点，我们投人体运动预测作为一个哈密尔顿-雅可比可达性问题的联合状态空间的人和信念的模型参数。我们构造了一个新的连续时间动力系统，其中的输入是人类行为的观察，动力学包括对模型参数的信念如何变化。这种可达性计算的结果使我们能够分析不正确的先验对连续状态和时间的未来预测的影响，以及对未来人类状态的预测。我们比较我们的方法，最坏情况下的前向可达集和随机预测，使用贝叶斯推理，并产生完整的未来状态分布。我们在仿真和硬件中的比较展示了我们的框架如何在不过于保守的情况下实现稳健的规划，即使在人类模型不准确的情况下。
2020-04-05 cs.LG cs.RO cs.SY
Safely Probabilistically Complete Real-Time Planning and Exploration in Unknown Environments
UC-Philippine-California Advanced Research Institute（加州-菲律宾-加州高级研究机构）；ONR MURI（国防高级研究计划局（ONR）MURI）；SRC CONIX Center（SRC CONIX中心）
本文提出了一种新的运动规划框架，该框架围绕现有的动力学规划器构建，在事先未知的静态环境中保证递归可行性。通过利用来自可达性分析的鲁棒控制器，该方法对整体安全性和碰撞避免做出了强保证。运动计划始终保持在初始状态的安全后向可达集内，同时安全地探索空间。这保证了初始状态的安全性，并确保在安全探索过程中最终能找到目标。
2019-03-07 cs.RO cs.SY eess.SY
Safe LLM-Controlled Robots with Formal Guarantees via Reachability Analysis
Technical University of Munich（慕尼黑工业大学）；German University in Cairo（开罗德国大学）
本文提出一种基于数据驱动可达性分析的LLM控制机器人安全保证框架，通过历史数据构建状态可达集，在不依赖精确解析模型的前提下严格防范不安全行为，有效降低了自主导航与任务规划中的风险。
2025-03-05 cs.LG cs.RO cs.SY
Myopically Verifiable Probabilistic Certificates for Safe Control and Learning
Department of Electrical and Computer Engineering, Carnegie Mellon University（电气与计算机工程系，卡内基梅隆大学）；Information Systems Technology and Design pillar, Singapore University of Technology and Design（信息系统技术与设计支柱，新加坡科技设计大学）；Department of Computer Science and Engineering, University of California San Diego（计算机科学与工程系，加州大学圣地亚哥分校）
本文提出了一种概率不变性技术，用于设计近视验证的概率证书，以确保安全控制与学习的长期安全。
2026-01-05 cs.LG cs.SY eess.SY
Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式，可处理不变性、可达性和到达—规避规范，并在有限空间中给出精确且更高效的求解，在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC
SafeDiffuser: Safe Planning with Diffusion Probabilistic Models
Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT））
SafeDiffuser通过将有限时间扩散不变性嵌入去噪扩散过程并结合控制屏障函数，使扩散概率模型满足安全规范，在保持泛化性能的同时实现可信、鲁棒的安全数据生成，并在迷宫路径、腿式机器人运动和三维操作等任务中验证了其优势。
2023-05-31 cs.LG cs.RO cs.SY
Neural Continuous-Time Supermartingale Certificates
本文提出首个连续时间随机动态系统神经超鞅证书框架，融合机器学习与符号推理，为可达性、规避和持续性规范提供形式化概率界，并通过理论、算法与基准验证有效性。
2024-12-23 cs.AI cs.SY eess.SY
Safety Verification of Nonlinear Stochastic Systems via Probabilistic Tube
针对非线性随机系统安全性验证问题，提出基于鞅方法的概率管道紧致界限，结合集合侵蚀策略将其转化为确定性验证问题，并应用于可达性验证与控制器综合。
2025-03-05 cs.SY eess.SY math.ST
EigenSafe: A Spectral Framework for Learning-Based Probabilistic Safety Assessment
Seoul National University（首尔国立大学）；University of California, Berkeley（加州大学伯克利分校）
EigenSafe通过学习主导特征对提升强化学习的安全性，适用于机器人操作中的安全策略优化。
2026-02-16 cs.RO cs.SY eess.SY
