枚举引导训练神经HJ安全证书

2026年10月20日，arXiv cs.AI/cs.LG 发布论文，提出一种验证引导的神经 Hamilton-Jacobi 安全证书训练框架。该方法用安全约束的概率枚举检测前向不变性违规，筛出比标准对抗攻击方法更贴近失败边界的紧凑反例集，再用这些反例微调预训练 HJ 值函数。报道称，在所有测试基准上，精炼后的证书带来更大的认证区域和更短的认证时间。作者还基于精炼证书加入部署期 shielding 机制，并在 Isaac Sim 和真实自动驾驶赛车实验中，相对标称控制器与 LQR 备份策略实现零安全约束违规。

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。