端到端学习已成为开发自动控制者的主要范式。不幸的是,其性能和便利性更大,安全保证更加挑剔。这一挑战的关键因素是缺乏低维和可解释的动态状态,传统的保证方法围绕着该状态。专注于在线安全预测问题时,这是基于生成世界模型的灵活的学习管道家族,这些模型不符合低维状态。为实施这些管道,我们克服了缺失安全标签的挑战,没有预测引起的分配变化和学习安全知情的潜在表示。此外,我们为基于保形推断的安全机会预测提供了统计的校准保证。对我们的预测家族进行了广泛的评估,对两个图像控制的案例研究,一辆赛车和一个卡特柱,可提供违反直觉的结果,并突出了深度安全预测中的开放问题。
![arxiv:2308.12252V4 [CS.LG] 2024年6月18日PDF文件第1页](/bimg/5/558c65d4b7fd10475c8f471b233c621dea07de11.webp)
![arxiv:2308.12252V4 [CS.LG] 2024年6月18日PDF文件第2页](/bimg/d/d497d7ea6eb7b090a962fe5d95298fa813273eef.webp)
![arxiv:2308.12252V4 [CS.LG] 2024年6月18日PDF文件第3页](/bimg/e/eb7660a808765b5d520528023e89708f6cb7f22a.webp)
![arxiv:2308.12252V4 [CS.LG] 2024年6月18日PDF文件第4页](/bimg/5/5d83a84b557e0f271e8d2000381218800ae9f0c2.webp)
![arxiv:2308.12252V4 [CS.LG] 2024年6月18日PDF文件第5页](/bimg/b/b1d89015bd0ebec4727a64851b3b95f2748b4177.webp)
