可靠性-非对称航天器自主性：与经过验证的、适应感知的运行时盾共同设计一个有能力的学习型 GNC 堆栈

深空任务需要有能力且可认证的机载自主权。基于规则的自治是可证明的，但很脆弱，而学习的自治是有能力的，但很难验证。我们推出 AMPLE-GNC，一个三层引导、导航和控制堆栈。其功能路径结合了一个将自然语言映射到 PDDL+ 的小型基础模型命令器、一个约束筛选验证器和一个故障自适应控制器。所有这三个都受到运行时屏蔽的限制，该运行时屏蔽具有九个线性时间逻辑不变量，其预测器的健全性由 Kind 2 模型检查器进行机器检查。在 6 自由度 Basilisk 测试台上，我们做出了三项贡献。首先，我们部署一名边缘指挥官。 微调 是一个带有语法约束解码的预训练 360M 模型，可提供硬输出有效性保证和 84% 的规划器可执行操作。在去泄露测试中，新颖措辞的泛化准确度为 38%，动作准确度为 51%，在措辞多样性重新微调后，准确度升至 48%；我们将句法有效性与语义准确性分开。其次，我们引入了故障自适应控制器。快速电机适应在线推断潜在执行器故障，并在训练随机化包络内恢复 97.8% 的执行器符号故障和 94.4% 的连续增益故障。无故障感知的 PD 和从头开始的端到端 RL 得分均为 0%，而最强的经典自适应基线在连续增益上达到 55%。超出范围后，分割一致的重新训练得分为 57-67%，并且添加 4 倍以上的体制内数据会使性能恶化，这表明随机化广度（而不是数据量）推动了泛化。在星跟踪器噪声达到 0.005 的情况下，鲁棒性保持平稳。第三，我们证明了锁定安全防护罩甚至可以抑制有能力的控制器。具有自适应感知参与的分离共形恢复截止日期证书可以协调安全性和恢复，使控制器保持 94.5% 的自主性，同时仍然捕获非恢复。