본 논문은 모델 예측 제어(MPC)에서 예측 지평선 너머의 안전 사양 충족 문제를 해결하기 위해, 근사 이산 시간 제어 장벽 함수를 학습하고 이를 변분 추론 MPC(VIMPC)에 통합하는 방법을 제시합니다. 정확한 재귀적 실행 가능성, 계산 추적성, 그리고 '블랙박스' 역학에 대한 적용 가능성 간의 절충을 이루기 위해, 새로운 샘플링 전략을 제안하여 추정된 최적 제어의 분산을 크게 줄이고, CPU에서 실시간 계획을 가능하게 합니다. 결과적으로 개발된 Neural Shield-VIMPC(NS-VIMPC) 제어기는 기존 샘플 기반 MPC 제어기에 비해 안전성을 크게 향상시키며, 잘못 설계된 비용 함수 하에서도 효과적임을 시뮬레이션과 실제 하드웨어 실험을 통해 검증합니다.