风险感知的在线保形状态探测

基于 AI 的自主智能体通常托管于数据中心，必须从机器人或边缘设备获取状态信息，才能做出有依据的控制决策。在安全关键型场景中，管理状态不确定性尤为重要，因为仅有平均情形下的保证是不够的。在此背景下，我们研究一种序贯决策过程：决策者在能够访问任意状态预测模型的情况下，联合决定采取哪些行动以及何时进行探测。我们提出在线保形状态探测（OCSP），这是一种行动与探测策略，无需依赖分布假设即可保证最坏情况下的可靠性水平。OCSP 旨在严格控制漏查询误差（MQE），即在进行探测本可带来益处的实例中未进行探测的比例，同时最小化探测率。OCSP 可应用于现有的预训练基于价值的控制策略，无需重新训练或微调。我们通过数值模拟验证 OCSP 的理论保证，并评估状态预测器校准程度变化所带来的性能权衡。