Neural Hamilton-Jacobi 안전 인증을 위한 열거 기반 학습

요약

본 논문은 Hamilton-Jacobi (HJ) 도달 가능성 분석을 기반으로, 확률론적 열거(probabilistic enumeration)를 활용하여 안전 제약 조건 위반을 감지하는 검증 기반 학습 프레임워크를 제안합니다. 이 방법은 기존 방식보다 정확한 카운터 예제 세트를 생성하며, 사전 훈련된 HJ 값 함수 미세 조정을 통해 인증 영역 확대 및 시간 단축 효과를 보였습니다.

핵심 포인트

• 확률론적 열거 기반의 안전 제약 조건 위반 감지 프레임워크 제시
• 표준 적대적 공격보다 정확한 실패 경계 포착 가능
• HJ 값 함수 미세 조정을 통해 인증 영역 확대 및 시간 단축 달성
• 차폐 메커니즘을 도입하여 배포 시 안전 제약 조건 강제 입증