Finite-Data Safety Informativity: Ein datenbasiertes Zertifikat für Ausgangssicherheit unter asymmetrischer Aktuatorik
Der vorliegende Preprint entwickelt ein deterministisches Zertifikat, das aus endlichen Messungen entscheidet, ob ein Kommando eine Safety-Ungleichung trotz Modellunsicherheit und asymmetrischer, dynamisch realisierter Stellgrenzen einhält. Kern ist eine Stützformel für den Worst-Case-Beitrag aller datenkonsistenten Modelle sowie eine affine Machbarkeitsbedingung mit Projektion und Freigabe-Gate. In einer Fahrzeugsimulation steigt die zertifizierte Abdeckung durch gezielte Messauswahl bei identischer Datensatzgröße von 1,03 % auf 76,27 %.
Wie kann aus endlichen Messdaten deterministisch zertifiziert werden, dass ein Kommando unter Modellunsicherheit und dynamischer asymmetrischer Aktuatorik eine vorgegebene Ausgangssicherheitsungleichung einhält?
Bestehende datengetriebene Sicherheitsverfahren quantifizieren Unsicherheit oft über Gaußprozesse, Reinforcement Learning oder robuste adaptive Schranken, liefern aber keinen endlichen Datennachweis, dass unter begrenzter und asymmetrischer Stellautorität sowie Aktuator-Trackingfehler ein Kommando für alle konsistenten Modelle sicher ist. Dadurch kann ein für ein Modell sicheres Kommando bei einem anderen datenkonsistenten Modell versagen, und die verfügbare Korrekturautorität reicht möglicherweise nicht aus.
Set-Invarianz und Control Barrier Functions benötigen ein Modell oder gültige Unsicherheitsschranken; Gaussian-Process- und Reinforcement-Learning-Ansätze liefern Schätzungen und Kalibrierung, aber keine deterministische Suffizienzaussage. Actuator-aware Barrier-Formulierungen und Admissibility-Preserving Input Realization berücksichtigen Aktuatorgrenzen, koppeln jedoch nicht systematisch endliche Datenkonsistenz mit asymmetrischer dynamischer Aktuatorik.
Der Ansatz modelliert den Sicherheitskanal linear parametrisiert mit bekannten Regressoren und unbekannter Parametermatrix, bei beschränktem Restfehler. Aus den Messungen wird die Konsistenzmenge gebildet; für Abfragen im Spann der gemessenen Regressoren liefert Theorem 1 eine geschlossene Worst-Case-Formel, für außerhalb liegende Richtungen Unbeschränktheit. Zertifizierte komponentenweise Schranken des Aktuator-Trackingfehlers werden als Reserve von der statischen Autorität abgezogen. Das ergibt eine affine Ungleichung mit notwendiger und hinreichender Punktweise-Machbarkeit; die Projektion wird auf skalare Nullstellensuche reduziert, ein Gate wählt den größten zertifizierten Anteil eines gewünschten Kommandos. Unter lokal Lipschitz-stetigem Feedback und gültigen Unsicherheitsschranken bleiben Ausgangs- und Eingangsgrenzen erhalten.
In der Fahrzeugsimulation mit zwei Freiheitsgraden und strukturiertem Windfeld wurden drei Datensätze mit je N=40 Messungen verglichen. Der Median des Finite-Data-Exzesses lag bei 2,423 s^-1 für D_c, 0,1477 s^-1 für D_u und 0,0353 s^-1 für D_s; die actuator-aware Zertifikatsabdeckung auf 11.241 Validierungsabfragen betrug 1,03 %, 32,09 % und 76,27 %. Ein exakter Parameter-Benchmark zertifizierte 86,26 % derselben Abfragen, ein Vorsprung von 9,99 Prozentpunkten gegenüber D_s. Im geschlossenen Regelkreis mit Startfehlern (8,9; 3) m und W(0)=0,7349 blieb das maximale gesampelte W bei 0,7349; die Eintrittszeiten in das Intervall [-0,2; 0,2] m waren 3,05 s für e_x und 4,25 s für e_h. Die realisierten Geschwindigkeiten lagen etwa in [9,14] m/s horizontal und [-1,856,1,044] m/s vertikal. Das gewünschte Kommando wurde zwischen etwa 0,1 s und 2,44 s vollständig zugelassen.
Im Paper nicht berichtet: realer Roboter, veröffentlichter Code, Begutachtung. Die Validierung beschränkt sich auf eine simulierte Fahrzeugstudie mit zwei Freiheitsgraden, einem festen strukturierten Windfeld und N=40 Messungen je Datensatz. Die Autoren weisen darauf hin, dass punktweise Machbarkeit keinen lokal Lipschitz-stetigen Selektor garantiert und ein Gegenbeispiel existiert. Allzeitaussagen erfordern Fortsetzung des Gesamtzustands und Verbleib in der Zertifizierungsdomäne; Regressoren müssen exakt bekannt sein, und die Schranken für Restfehler und Aktuatorstörung müssen während des Betriebs gültig bleiben. Die Aktuatorfehler-Menge kann konservativ sein, und die Auswertung ist ein Preprint ohne Begutachtung.
Sicherheitskritische Bahnregelung für autonome Fahrzeuge, Drohnen und mobile Roboter mit asymmetrischen Geschwindigkeits- oder Kraftgrenzen könnte die Methode als datenbasierten Safety-Filter neben nominalen Reglern verwenden. Kurzfristig ist sie vor allem für Simulation und Machbarkeitsstudien relevant, da nur Simulationsbelege vorliegen; in 1 bis 3 Jahren wäre ein Einsatz denkbar, wenn die Unsicherheitsgrenzen auf realen Aktoren qualifiziert, die Lipschitz-stetige Selektion implementiert und Echtzeitanforderungen erfüllt sind. Voraussetzung ist die Verfügbarkeit bekannter Regressoren und belastbarer Fehlerschranken im Betrieb.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.