Collegare il Controllo con il Verificatore di Reti Neurali alpha-beta-CROWN: Un Tutorial
Un tutorial presenta un quadro unificato che collega la teoria del controllo con il verificatore di reti neurali alpha-beta-CROWN. Il quadro mira a verificare formalmente proprietà come stabilità e sicurezza nei controller basati sull'apprendimento, sempre più utilizzati in domini critici per la sicurezza come la guida autonoma, la robotica e i sistemi energetici. Gli approcci di verifica esistenti spesso si basano su specifiche assunzioni strutturali o scalano male con reti neurali ad alta dimensionalità. Alpha-beta-CROWN funge da motore di bounding general-purpose per funzioni non lineari, consentendo una verifica più scalabile e trasferibile. Il tutorial è pubblicato su arXiv con ID 2605.26577.
Fatti principali
- I controller basati sull'apprendimento sono popolari per la loro espressività e prestazioni empiriche.
- La verifica formale delle proprietà del controller è necessaria per scenari critici per la sicurezza.
- Gli approcci di verifica precedenti sono legati a specifiche assunzioni strutturali o scalano male.
- Il tutorial presenta un quadro unificato che collega il controllo con alpha-beta-CROWN.
- Alpha-beta-CROWN è un motore di bounding general-purpose per funzioni non lineari.
- Il quadro mira a migliorare la scalabilità e la trasferibilità della verifica.
- Il tutorial è disponibile su arXiv con ID 2605.26577.
- I domini critici per la sicurezza includono guida autonoma, robotica e sistemi energetici.
Entità
Istituzioni
- arXiv