BURNS: Backward Underapproximate Reachability for Neural-Feedback-Loop Systems

要約

学習対応の計画および制御アルゴリズムはますます一般的になっていますが、パフォーマンスや安全性の厳密な保証が不足していることがよくあります。
非線形の離散時間ニューラルフィードバックループの過小輝く後方到達可能な到達可能なセットを計算するためのアルゴリズムを紹介します。
次に、後方に到達可能なセットを使用して、目標到達プロパティを確認します。
私たちのアルゴリズムは、システムダイナミクス関数を過度に近接して、混合整数線形プログラムのソリューションを介して、概算の下方到達可能な到達可能なセットの計算を可能にすることに基づいています。
アルゴリズムの健全性を厳密に分析し、数値の例で実証します。
私たちの作業は、学習対応システム用に検証できるプロパティのクラスを拡張します。

要約(オリジナル)

Learning-enabled planning and control algorithms are increasingly popular, but they often lack rigorous guarantees of performance or safety. We introduce an algorithm for computing underapproximate backward reachable sets of nonlinear discrete time neural feedback loops. We then use the backward reachable sets to check goal-reaching properties. Our algorithm is based on overapproximating the system dynamics function to enable computation of underapproximate backward reachable sets through solutions of mixed-integer linear programs. We rigorously analyze the soundness of our algorithm and demonstrate it on a numerical example. Our work expands the class of properties that can be verified for learning-enabled systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google