سپنتا کتاب اکسپرس
مقاله نظارت زمان اجرا مبتنی بر بینایی تحت مشخصات متغیر با استفاده از نمایش‌های نهفته معنایی.

مقاله نظارت زمان اجرا مبتنی بر بینایی تحت مشخصات متغیر با استفاده از نمایش‌های نهفته معنایی.

ما نظارت زمان اجرای تأیید شده برای منطق زمانی گذشته (ptSTL) را از مشاهدات بصری تحت مشاهده جزئی مطالعه می‌کنیم. ناظر باید مقادیر مرتبط با ایمنی را از تصاویر استنتاج کرده و تضمین‌های نمونه محدود ارائه د...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظارت زمان اجرا مبتنی بر بینایی تحت مشخصات متغیر با استفاده از نمایش‌های نهفته معنایی.

Vision-Based Runtime Monitoring under Varying Specifications using Semantic Latent Representations

نویسندگان: Bardh Hoxha, Oliver Schön, Hideki Okamoto, Lars Lindemann, Georgios Fainekos

شناسه منبع: arxiv / 2605.13923

دسته: Machine Learning,Computer Vision and Pattern Recognition,Robotics,Systems and Control

چکیده (فارسی)

ما نظارت زمان اجرای تأیید شده برای منطق زمانی گذشته (ptSTL) را از مشاهدات بصری تحت مشاهده جزئی مطالعه می‌کنیم. ناظر باید مقادیر مرتبط با ایمنی را از تصاویر استنتاج کرده و تضمین‌های نمونه محدود ارائه دهد، در حالی که **قابل استفاده مجدد** باشد: پس از آموزش و کالیبراسیون، باید هر فرمولی را در یک قطعه هدف بدون نیاز به آموزش مجدد برای هر فرمول، تأیید کند. برای قطعاتی که توسط یک واژگان محدود از اتم‌های زمانی ایجاد می‌شوند، ما ثابت می‌کنیم که **پایه معنایی**، یعنی بردار امتیازات استحکام اتم‌ها، حداقل هدف پیش‌بینی در کلاس رابط‌های قابل استفاده مجدد یکنواخت و ۱-لیپ‌شیتز است: هر فرمول توسط یک رمزگشای قطعی مشتق شده از درخت تجزیه ارزیابی می‌شود و یک مرحله کالیبراسیون هم‌شکل، کل قطعه را بدون نیاز به حد اجتماع، تأیید می‌کند. ما همچنین یک **ناظر پیش‌بینی غلتان** معرفی می‌کنیم که فقط مقادیر گزاره فعلی را پیش‌بینی کرده و تاریخچه زمانی را به صورت آنلاین بازسازی می‌کند؛ یادگیری این ناظر آسان‌تر است اما در افق‌های زمانی طولانی محافظه‌کارانه عمل می‌کند. در یک معیار پیاده‌رو-چهارراه، ناظر غلتان در افق‌های زمانی کوتاه، حدود تأیید شده تنگ‌تری را به دست می‌آورد، در حالی که ناظر پایه معنایی در افق‌های زمانی طولانی تا ۴ برابر تنگ‌تر است. ما ناظرهای معرفی شده را بر روی داده‌های واقعی رانندگی Waymo اعتبارسنجی می‌کنیم، جایی که هر دو ناظر به طور تجربی، تضمین پوشش هم‌شکل را برآورده می‌کنند.

Abstract (English)

We study certified runtime monitoring of past-time signal temporal logic (ptSTL) from visual observations under partial observability. The monitor must infer safety-relevant quantities from images and provide finite-sample guarantees, while being emph{reusable}: once trained and calibrated, it should certify any formula in a target fragment without per-formula retraining. For fragments induced by a finite dictionary of temporal atoms, we prove that the emph{semantic basis}, the vector of atom robustness scores, is the minimum prediction target within the class of monotone, 1-Lipschitz reusable interfaces: any formula is evaluated by a deterministic decoder derived from the parse tree, and a single conformal calibration pass certifies the entire fragment with no union bound. We also introduce a emph{rolling prediction monitor} that predicts only current predicate values and reconstructs temporal history online; this is easier to learn but grows conservative at long horizons. On a pedestrian-crossroad benchmark, rolling achieves tighter certified bounds at short horizons while the semantic-basis monitor is up to 4-times tighter at long horizons. We validate the presented monitors on real-world Waymo driving data, where both monitors satisfy the conformal coverage guarantee empirically.

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.