Runtime Safety and Reach-avoid Prediction of Stochastic Systems via Observation-aware Barrier Functions
Shenghua Feng, Jie An, Fanjiang Xu
随机动态系统已成为众多应用领域的基本模型,为捕获不确定的系统行为提供了强大的数学表示。 在本文中,我们通过在线观测解决了离散时间随机系统的运行时安全性和远达概率预测问题,即估计系统满足给定安全或暴露规范的概率。 与仅依赖离线模型的传统方法不同,我们提出了一个包含实时观测的框架,以动态地完善安全性和暴露事件的概率估计。 通过引入观测感知障碍函数,我们的方法自适应地更新概率边界,因为收集了新的观测结果,将高效的离线计算与在线向后迭代相结合。 这种方法能够在不确定性下对安全性和避免到达概率进行严格和响应式预测。 除了理论保证外,基准系统的实验结果证明了拟议方法的实际有效性。
Stochastic dynamical systems have emerged as fundamental models across numerous application domains, providing powerful mathematical representations for capturing uncertain system behavior. In this paper, we address the problem of runtime safety and reach-avoid probability prediction for discrete-time stochastic systems with online observations, i.e., estimating the probability that the system satisfies a given safety or reach-avoid specification. Unlike traditional approaches that rely solely o...