Konformes Lernen sichert autonome Systeme: Ensemble‑Sicherheitsfilter und HJ‑Analyse
Die Sicherheit von lernbasierten autonomen Systemen ist entscheidend, wenn sie in der Praxis eingesetzt werden sollen. Traditionell nutzt man dafür die Hamilton‑Jacobi‑(HJ)‑Erreichbarkeitsanalyse, um die Rückwärtsreichbare Menge (BRS) von definierten Fehlerzuständen exakt zu bestimmen. Doch die Berechnung der HJ‑Wertfunktion ist bei hochdimensionalen Systemen extrem rechenintensiv, weshalb Forscher verstärkt auf Reinforcement‑Learning‑Ansätze setzen, um die Wertfunktion zu approximieren.
