학습 기반 자율 시스템의 안전 보장을 위해, Hamilton-Jacobi (HJ) 가역성 분석을 활용한 안전 검증 및 안전 제어기 생성에 대한 연구를 진행한다. HJ value function 계산의 높은 계산 복잡성을 해결하기 위해 강화 학습 기반의 value function 근사 방법을 사용하지만, 학습된 value function과 안전 정책의 정확성이 보장되지 않는 문제를 제기한다. 이러한 불확실성을 해결하기 위해, conformal prediction (CP) 기반 프레임워크를 도입하여 확률적 안전 보장을 제공한다. CP를 사용하여 안전하지 않은 제어기와 학습된 HJ 기반 안전 정책 간의 전환을 조정하고, 전환된 정책 하에서 안전 보장을 유도한다. 또한, 개별 value function을 사용하는 것과 비교하여, 독립적으로 훈련된 HJ value function의 앙상블을 안전 필터로 사용하는 방안을 연구한다.
