基于可认证神经 Hamilton-Jacobi 可达性的应急感知规划

论文提出用傅里叶神经算子（FNO）近似不同障碍配置下的 Hamilton-Jacobi 可达性解算子，并配合在线安全认证，实现未知环境中带概率安全保证的实时应急感知规划。认证环节将鲁棒场景优化转化为对次水平集的多重假设检验，在给定安全水平下同时覆盖各候选水平并取回最大可认证体积；在该集合内，诱导的恢复策略保证系统在任意容许扰动下有限时间内回到安全区域。数值结果显示学习与认证流程能以实时速率更新可达-规避集，并在 youBot 仿真中演示，尚未给出实机结果。