有限轨迹验证下学习型着陆控制器的贝叶斯部署审批

强化学习和数据驱动的自主控制器通常使用有限模拟轨迹下的累积奖励和经验成功频率进行评估。然而，这种经验指标不一定能为不确定性下的部署就绪性提供足够的统计证据。本文开发了一个基于有限轨迹证据的学习型自主着陆控制器的贝叶斯审批框架。基于不确定运行条件下触地安全满意度，引入了概率着陆能力公式，同时使用贝叶斯后验推断来量化关于学习策略真实部署能力的不确定性。进一步引入了后验审批概率和后验部署风险用于面向部署的评估，以及一个支持在渐进式轨迹测试中进行批准/拒绝/继续决策的顺序验证框架。使用PPO和SAC控制器的仿真实验表明，在有限的验证证据下，经验成功和奖励优化可能会产生过度自信的部署解释，而后验审批推断则提供了更符合不确定性校准的部署就绪性评估。所提出的框架为传统强化学习评估与不确定性下的面向部署验证之间提供了实用的统计联系，并且可以推广到更广泛类别的学习型自主系统。