본 논문은 사전 계산된 확률적 정책에 대해 ω-정칙 정확성 속성의 전체 클래스를 강화하는 새로운 동적 사후 차폐 프레임워크를 제시합니다. 이는 안전 차폐(나쁜 일이 절대 발생하지 않도록 보장)의 주된 설정에서 벗어나, 생존성(좋은 일이 결국 발생하도록 보장)을 추가적으로 강화하는 차폐 프로세스로의 패러다임 전환을 구성합니다. 핵심적으로, 본 방법은 허용 전략 템플릿을 활용하여 최소한의 간섭으로 사후 차폐를 가능하게 하는 전략-템플릿 기반 적응형 런타임 차폐(STARs)를 사용합니다. 주요 특징으로, STARs는 간섭을 동적으로 제어하는 메커니즘을 도입하여, 런타임에서 공식적인 의무와 작업별 동작 간의 균형을 맞추는 조정 가능한 강화 매개변수를 허용합니다. 이를 통해 필요할 때 더 공격적인 강화를 트리거하는 동시에 그렇지 않으면 최적화된 정책 선택을 허용합니다. 또한, STARs는 변경된 사양이나 액추에이터 오류에 대한 런타임 적응을 지원하여 사이버 물리적 애플리케이션에 특히 적합합니다. 학습된 확률적 정책에 대해 (점진적으로 업데이트된) ω-정칙 정확성 속성을 강화할 때 제어 가능한 간섭을 보여주기 위해 모바일 로봇 벤치마크에서 STARs를 평가합니다.
