본 논문은 임의의 비선형 동역학 시스템에 대한 안전-중요 제어기를 설계하는 실용적인 방법인 제어 장벽 함수(CBF)에 대해 다룬다. 기존의 어려움을 해결하기 위해 신경망 기반 CBF(NCBF)를 활용하는 학습 기반 방법들이 연구되었으나, 학습 오류로 인해 NCBF의 타당성을 보장하는 것이 어려웠다. 본 논문에서는 분할-합치 예측(split-conformal prediction)을 활용하여 사용자 정의 오류율에 기반한 확률적 보장을 가진 공식적으로 검증된 신경망 CBF(CP-NCBF)를 생성하는 새로운 프레임워크를 제안한다. 기존의 Lipschitz 제약 조건을 부과하는 방법들과 달리, 본 연구의 접근 방식은 샘플 효율적이고 확장성이 있으며, 더 제한적이지 않은 안전 영역을 생성한다. 자율 주행에서의 장애물 회피 및 항공기의 지오펜싱에 대한 사례 연구를 통해 기존 기술에 비해 더 크고 보수적이지 않은 안전 영역을 생성하는 능력을 검증하였다.
