Wenn das Modell versagt, nicht die Hardware
Warum die Gültigkeit des Systemwissens eine eigene Ressource ist.
Fehler ohne defekte Elektronik
Stellen wir uns einen Roboter vor, dessen Sensoren und Motoren noch funktionieren, dessen mathematisches Modell sein Verhalten aber nicht mehr korrekt vorhersagt. Gesunde Hardware garantiert keine sichere Entscheidung, wenn das Modell oder der Schätzer falsch liegt.
Die Dissertation führt deshalb epistemische Ressourcen ein: Modelle, Schätzer und algorithmische Beschreibungen, von deren Gültigkeit die Leistungsfähigkeit abhängt.
Zwei Ressourcenklassen
- Rphys: Sensoren, Aktoren, Prozessoren und Energieversorgung.
- Repist: mathematische Modelle, Schätzer und gelernte Algorithmen.
Das Framework bewertet nicht nur die Verfügbarkeit einer Komponente, sondern auch, ob ihre Daten und Vorhersagen noch vertrauenswürdig sind. Sinkt die Gültigkeit, muss der Supervisor die Zulässigkeit der Konfiguration neu prüfen.
Weiter geht es mit dem Transformationsraum und der Trajektorienplanung.