లాభాలు:
- విమాన నియంత్రణ చట్టాలు, స్థిరత్వ విశ్లేషణ మరియు స్వయంప్రతిపత్త వ్యవస్థ నిర్మాణంలో AI పాత్ర మరియు పరిమితులను అర్థం చేసుకోండి
- విమానయాన స్వయంప్రతిపత్తిలో ఉపబల అభ్యాసం మరియు మోడల్-ఆధారిత నియంత్రణ ఎలా ఉపయోగించబడుతుందో ఉదాహరణలతో వివరించే సామర్థ్యం
- ఫ్లైట్ ఎన్వలప్, స్టెబిలిటీ మార్జిన్ మరియు ఫెయిల్-సేఫ్ బిహేవియర్ పరంగా కంట్రోల్ అవుట్పుట్లను ధృవీకరించే సామర్థ్యం
ఒక విమానం స్వయంగా గాలిలో నేరుగా ఎగరదు; ఇది నిరంతరం చెదిరిన సంతులనాన్ని నిరంతరం పునఃస్థాపిస్తుంది. ఫ్లైట్ డైనమిక్స్ అనేది ఈ సంతులనం యొక్క శాస్త్రం: ఇది విమానం బలగాలు మరియు క్షణాల క్రింద ఎలా కదులుతుంది, గాలి దెబ్బ (స్థిరత్వం) నుండి కోలుకున్నారా మరియు పైలట్ లేదా కంప్యూటర్ నుండి వచ్చిన ఆదేశాలకు ఎలా స్పందిస్తుందో ఇది అధ్యయనం చేస్తుంది. నియంత్రణ వ్యవస్థ అనేది మెదడు ఈ డైనమిక్ను కావలసిన ప్రవర్తనకు వంగి ఉంటుంది: విమాన నియంత్రణ చట్టాలు (సెన్సార్ కొలతలను తీసుకొని నియంత్రణ ఉపరితలాలకు ఆదేశాలను రూపొందించే అల్గారిథమ్లు) విమానాన్ని ఎల్లప్పుడూ స్థిరంగా మరియు నిర్వహించగలిగేలా ఉంచుతాయి.
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఈ రంగంలో శాస్త్రీయ ఇంజనీరింగ్ మరియు స్వయంప్రతిపత్తి రెండింటిలోనూ పాత్ర పోషిస్తుంది. క్లాసికల్ వైపు, ఇది స్థిరత్వ విశ్లేషణ, కంట్రోలర్ డిజైన్ మరియు సిమ్యులేషన్ సెటప్ను వేగవంతం చేస్తుంది. స్వయంప్రతిపత్తి వైపు, రీన్ఫోర్స్మెంట్ లెర్నింగ్ (ట్రయల్ మరియు ఎర్రర్ ద్వారా రివార్డ్ సిగ్నల్పై ఆధారపడిన ఏజెంట్ లెర్నింగ్ బిహేవియర్) వంటి పద్ధతులు సంక్లిష్ట పనులలో విధానాలను ఉత్పత్తి చేస్తాయి. కానీ విమాన నియంత్రణ అనేది లోపం తక్షణం మరియు తిరిగి మార్చలేని ఫీల్డ్: అస్థిర నియంత్రణ చట్టం సెకన్లలో విమానాన్ని కోల్పోతుంది. అందువల్ల, ఫ్లైట్ ఎన్వలప్, స్టెబిలిటీ మార్జిన్ మరియు ఫెయిల్-సేఫ్ బిహేవియర్ పరంగా ధృవీకరించబడకుండా AI- రూపొందించిన నియంత్రణ లాభాలు లేదా విధానాలు విమానంలో ఉంచబడవు.
కాన్సెప్ట్లు: ఫ్లైట్ ఎన్వలప్: విమానం సురక్షితంగా ప్రయాణించగల వేగం-ఎత్తు-లోడ్ కారకాల పరిమితులు. స్థిరత్వ మార్జిన్: గెయిన్ మార్జిన్ మరియు ఫేజ్ మార్జిన్; నియంత్రణ లూప్ అస్థిరత నుండి ఎంత దూరంలో ఉందో కొలమానం. ఫెయిల్-సేఫ్: ఒక భాగం విఫలమైనప్పుడు సిస్టమ్ సురక్షిత స్థితిలోకి ప్రవేశిస్తుంది. PID: ప్రొపోర్షనల్-ఇంటిగ్రల్-డెరివేటివ్; అత్యంత సాధారణ క్లాసికల్ కంట్రోలర్ నిర్మాణం.
స్థిరత్వం, నియంత్రణ చట్టం మరియు AI పాత్ర
కంట్రోల్ డిజైన్ యొక్క ఆధారం ఓపెన్ లూప్ డైనమిక్స్ను అర్థం చేసుకోవడం మరియు క్లోజ్డ్ లూప్ను కావలసిన ప్రవర్తనకు తీసుకురావడం. ఇంజనీర్ విమానం యొక్క చలన సమీకరణాలను సరళీకృతం చేస్తాడు, బదిలీ ఫంక్షన్లను పొందుతాడు మరియు కంట్రోలర్ను రూపొందిస్తాడు (ఉదా. PID లేదా స్టేట్ ఫీడ్బ్యాక్తో). AI ఈ ప్రక్రియలో బీజగణిత ఇంటర్మీడియట్ దశలను గుర్తుచేస్తుంది, రూట్ లోకస్ ఇంటర్ప్రెటేషన్లో సహాయం చేస్తుంది, MATLAB/పైథాన్ నియంత్రణ లైబ్రరీలతో స్క్రిప్ట్లను వ్రాస్తుంది మరియు చెల్లింపు సెట్ యొక్క స్థిరత్వ మార్జిన్లను లెక్కించే కోడ్ను ఉత్పత్తి చేస్తుంది.
కీలకమైన అంశం ఇది: మంచి పనితీరు అంటే మంచి స్థిరత్వ మార్జిన్ కాదు. AI సూచించిన ఒక దూకుడు లాభం సెట్ అనుకరణలో చాలా వేగంగా మరియు పదునైన ప్రతిస్పందనను అందించి ఉండవచ్చు, కానీ లాభం మార్జిన్ను 2 dBకి మరియు దశ మార్జిన్ను 15 డిగ్రీలకు తగ్గించి ఉండవచ్చు. విమానయానంలో, కనిష్టంగా 6 dB లాభ మార్జిన్ మరియు 45 డిగ్రీల దశ మార్జిన్ సాధారణంగా లక్ష్యంగా ఉంటుంది; ఎందుకంటే నిజమైన విమానంలో, సెన్సార్ నాయిస్, యాక్యుయేటర్ ఆలస్యం మరియు మోడలింగ్ లోపాలు ఈ మార్జిన్కు కారణమవుతాయి. తగినంత హెడ్రూమ్ను వదిలివేయని కంట్రోలర్ అనుకరణలో పరిపూర్ణంగా కనిపించవచ్చు కానీ వాస్తవానికి అస్థిరత (పరిమితం సైకిల్ డోలనం లేదా డైవర్జెన్స్)లోకి వెళ్లవచ్చు.
హెచ్చరిక: అనుకరణలో కంట్రోలర్ యొక్క "క్లీన్" ప్రతిస్పందన వాస్తవ ప్రపంచానికి ఎటువంటి హామీ కాదు. అనుకరణ సాధారణంగా ఆదర్శవంతమైన యాక్యుయేటర్, ఆలస్యం-రహిత సెన్సార్ మరియు పూర్తి మోడల్ను ఊహిస్తుంది. స్థిరత్వం యొక్క మార్జిన్ అనేది ఆదర్శత్వం నుండి ఈ వ్యత్యాసాలకు వ్యతిరేకంగా ఖచ్చితంగా మీ బఫర్; దాన్ని త్యాగం చేసే పనితీరు కాగితంపైనే మిగిలిపోయింది.
స్వయంప్రతిపత్తి మరియు అభ్యాసకుల నియంత్రణ: సరిహద్దులు
స్వయంప్రతిపత్త వ్యవస్థలలో, AI మరింత లోతుగా అమలులోకి వస్తుంది: మార్గ ప్రణాళిక, అడ్డంకిని నివారించడం, ల్యాండింగ్, మంద సమన్వయం వంటి పనులలో అభ్యాస విధానాలు ఉపయోగించబడతాయి. అనుకరణ వాతావరణంలో మిలియన్ల కొద్దీ ట్రయల్స్ చేయడం ద్వారా ఉపబల అభ్యాసం మంచి ప్రవర్తన విధానాన్ని కనుగొనవచ్చు. ఏదేమైనా, అభ్యాస నియంత్రణకు విమానయానంలో రెండు ప్రధాన సవాళ్లు ఉన్నాయి: వివరణాత్మకత మరియు హామీ. ఒక న్యూరల్ నెట్వర్క్ విధానం ఆదేశాన్ని ఎందుకు సులభంగా సమర్థించదు మరియు మొత్తం ఇన్పుట్ స్థలంలో సురక్షితంగా ప్రవర్తించేలా గణితశాస్త్రపరంగా హామీ ఇవ్వబడదు.
అందుకే ప్రాక్టికల్ ఆర్కిటెక్చర్ సాధారణంగా లేయర్గా ఉంటుంది: లెర్నింగ్ కాంపోనెంట్ బయటి పొరపై పనిచేస్తుంది (ప్లానింగ్, సిఫార్సు), కానీ దిగువ లేయర్లో క్లాసికల్, విశ్లేషించదగిన మరియు ధృవీకరించదగిన "సేఫ్టీ ఎన్వలప్" లేదా సేఫ్టీ మానిటర్ ఉంటుంది. ఈ కంట్రోలర్ ఫ్లైట్ ఎన్వలప్ మరియు భద్రతా నియమాలతో లెర్నింగ్ లేయర్ యొక్క ఆదేశాలను ఫిల్టర్ చేస్తుంది; ఇది సరిహద్దు ఉల్లంఘనను చూసినట్లయితే, అది సురక్షితమైన ప్రవర్తనకు మారుతుంది. ఈ విధంగా AI యొక్క సృజనాత్మకత శాస్త్రీయ నియంత్రణ యొక్క హామీతో కలిపి ఉంటుంది.
అప్రోచ్
అడ్వాంటేజ్
విమానయానంలో సరిహద్దు
PID / క్లాసిక్
విశ్లేషించవచ్చు, స్థిరత్వం నిరూపించబడింది
చాలా క్లిష్టమైన పనులకు సరిపోదు
మోడల్ ప్రిడిక్టివ్ కంట్రోల్ (MPC)
పరిమితులను స్పష్టంగా పరిష్కరిస్తుంది
కంప్యూటేషనల్ లోడ్, మోడల్ డిపెండెన్సీ
ఉపబల అభ్యాసం
క్లిష్టమైన పనిలో బలమైన విధానం
వారంటీ/వివరణ సామర్థ్యం బలహీనంగా ఉంది, సిమ్-ట్రూత్ గ్యాప్
లేయర్డ్ (లెర్నర్ + సేఫ్టీ ఎన్వలప్)
సృజనాత్మకత + భరోసా
ఎన్వలప్ డిజైన్ మరియు ధృవీకరణ ఖర్చు
చిట్కా: లెర్నింగ్ పాలసీని మూల్యాంకనం చేస్తున్నప్పుడు, "సగటు పనితీరు" గురించి కాకుండా "చెత్త ప్రవర్తన" గురించి అడగండి. ఒక RL ఏజెంట్ 10,000 దృష్టాంతాలలో 9,990లో రాణించి, 10లో కవరు నుండి విమానాన్ని బయటకు తీస్తే, ఆ 10 దృశ్యాలు విమానయానంలో ఆమోదయోగ్యం కాదు. భద్రత అనేది అధ్వాన్నంగా పరిగణించబడుతుంది, సగటు కాదు.
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
బలహీనమైన ప్రాంప్ట్:
ఈ డ్రోన్ కోసం మంచి PID లాభం ఇవ్వండి.
శక్తివంతమైన ప్రాంప్ట్:
పాత్ర: మీరు ఫ్లైట్ కంట్రోల్ సిస్టమ్స్ ఇంజనీర్; భద్రత-క్లిష్టమైన క్రమశిక్షణకు అనుగుణంగా. సందర్భం (ప్రాతినిధ్యం): ఒక చిన్న మల్టీకాప్టర్ యొక్క ఎత్తు చక్రం కోసం సరళీకృత మోడల్ [బదిలీ ఫంక్షన్ లేదా మాస్/థ్రస్ట్ డేటా] విమానయానం కోసం లక్ష్య మార్జిన్లతో సరిపోల్చండి (>=6 dB, >=45°); మార్జిన్ సరిపోకపోతే నేను లాభాలను ఎలా సర్దుబాటు చేయాలి? నిర్బంధం: యాక్యుయేటర్ ఆలస్యం మరియు సెన్సార్ శబ్దం మార్జిన్లోకి ప్రవేశిస్తాయని నాకు గుర్తు చేయండి; "సరిగ్గా ఉత్తమమైనది" అని చెప్పకండి, అనుకరణ మరియు హార్డ్వేర్లో ధృవీకరణ అవసరాన్ని నొక్కి చెప్పండి.
కాపీ చేయదగిన ప్రాంప్ట్ టెంప్లేట్లు
టెంప్లేట్ 1 — స్థిరత్వం మార్జిన్ లెక్కింపు స్క్రిప్ట్:
కింది ఓపెన్-లూప్ బదిలీ ఫంక్షన్ కోసం పైథాన్-నియంత్రణతో: (a) శరీర రేఖాచిత్రాన్ని గీయండి; (బి) లాభం మార్జిన్ మరియు దశ మార్జిన్ను సంఖ్యాపరంగా లెక్కించండి; (సి) వీటిని విమానయాన లక్ష్యాలతో (>=6 dB, >=45°) పోల్చి అవుట్పుట్ను ఉత్పత్తి చేయండి. కోడ్ వ్యాఖ్యానించబడనివ్వండి; ప్రతి దశ ఏమి చేస్తుందో వివరించండి. బదిలీ ఫంక్షన్: [num/den]
టెంప్లేట్ 2 — ఫ్లైట్ ఎన్వలప్ పరిమితి కంట్రోలర్ డిజైన్:
స్వయంప్రతిపత్త విమానం కోసం భద్రతా మానిటర్ లాజిక్ను రూపొందించడంలో నాకు సహాయపడండి: ప్రవేశంలో ప్లానర్ ఆదేశం, పరిమితులు[వేగం, ఎత్తు, లోడ్ ఫ్యాక్టర్, పిచ్ పరిమితులు]. కంట్రోలర్ కమాండ్ను ఎలా ఫిల్టర్ చేయాలి, పరిమితి ఉల్లంఘన జరిగినప్పుడు అది ఏ సురక్షిత ప్రవర్తనకు మారాలి? దీనిని సూడో-కోడ్లో వ్రాయండి మరియు ప్రతి నిర్ణయానికి కారణాలను తెలియజేయండి.
టెంప్లేట్ 3 — RL పాలసీ మూల్యాంకన ప్రణాళిక:
ఏవియేషన్లో రీన్ఫోర్స్మెంట్ లెర్నింగ్ పాలసీని అమలు చేయడానికి ముందు, ఒక మూల్యాంకన ప్రణాళికను ఏర్పాటు చేయండి: (a) నేను ఏ అంచు మరియు చెత్త సందర్భాలను పరీక్షించాలి; (బి) నేను సిమ్-టు-రియల్గ్యాప్ను ఎలా కొలవగలను; (సి) నేను అధ్వాన్నమైన భద్రతను ఎలా నివేదిస్తాను, సగటు కాదు; (డి) ఏ సందర్భంలో సేఫ్టీ కంట్రోలర్ని యాక్టివేట్ చేయాలి. ఫలితం చెక్లిస్ట్గా ఉండనివ్వండి.
టెంప్లేట్ 4 — ఫెయిల్యూర్ మోడ్ మరియు ఫెయిల్-సేఫ్ అనాలిసిస్:
కింది నియంత్రణ వ్యవస్థ [సెన్సార్లు, యాక్యుయేటర్లు, అకౌంటింగ్ యూనిట్] కోసం వైఫల్య మోడ్లను జాబితా చేయండి మరియు ప్రతి దాని కోసం ఫెయిల్-సురక్షిత ప్రవర్తనను సూచించండి: సెన్సార్ వైఫల్యం, యాక్యుయేటర్ స్టిక్కింగ్, అకౌంటింగ్ ఆలస్యం, కమ్యూనికేషన్ నష్టం. ప్రతి వైఫల్యానికి గుర్తించే పద్ధతి మరియు సురక్షిత స్థితి పరివర్తన వ్యూహాన్ని వ్రాయండి. వైఫల్యం యొక్క సింగిల్ పాయింట్ను ప్రత్యేకంగా గుర్తించండి.
మినీ కేసులు
కేస్ 1 - దూకుడు డివిడెండ్ తినడం. ఒక జట్టు UAV యొక్క పిచ్ సైకిల్ కోసం AI నుండి ఒక దూకుడు లాభాలను పొందుతుంది; అనుకరణలో పెరుగుదల సమయం 0.4 సె వద్ద ఆకట్టుకుంటుంది. AI సిఫార్సు చేసిన మార్జిన్ను లెక్కించినప్పుడు, లాభం మార్జిన్ 3.2 dB మరియు దశ మార్జిన్ 22 డిగ్రీలు; విమానయాన లక్ష్యాల క్రింద (6 dB, 45°). వాస్తవ విమానంలో, 50 ms యాక్యుయేటర్ ఆలస్యం జోడించబడినప్పుడు, సిస్టమ్ పరిమితి చక్రం ఊగిసలాడుతుంది. లాభం 40% తగ్గింది మరియు వాటా లక్ష్యానికి చేరుకుంటుంది, పెరుగుదల సమయం 0.7 సెకన్లకు పెరుగుతుంది, అయితే సిస్టమ్ పటిష్టంగా ఉంటుంది. పాఠం: వాటాతో బ్యాలెన్స్ పనితీరు; అనుకరణ వాస్తవికతకు హామీ ఇవ్వదు.
కేస్ 2 - లేయర్డ్ ఆర్కిటెక్చర్ విమానాన్ని కాపాడుతుంది. స్వయంప్రతిపత్త ల్యాండింగ్ కోసం శిక్షణ పొందిన RL విధానం 5,000 అనుకరణ ల్యాండింగ్లలో 99.7% విజయవంతమైంది. అధ్వాన్నమైన స్కాన్లో, క్రాస్విండ్లు నిర్దిష్ట థ్రెషోల్డ్ను అధిగమించిన 14 దృశ్యాలలో, విధానం విమానాన్ని రన్వే నుండి మళ్లించిందని పరీక్ష బృందం కనుగొంది. క్రాస్విండ్ మరియు విచలనం పరిమితి ఉల్లంఘనల విషయంలో లెర్నింగ్ లేయర్ కింద ఉంచబడిన ఒక సాధారణ భద్రతా కవరు గో-అరౌండ్ ఆదేశాన్ని ఇస్తుంది; మొత్తం 14 దృశ్యాలు సురక్షితంగా ఉంటాయి. పాఠం: లెర్నింగ్ లేయర్ తప్పనిసరిగా క్లాసిక్ సేఫ్టీ నెట్తో పాటు ఉండాలి.
కేస్ 3 - సింగిల్ పాయింట్ తప్పు పట్టించుకోలేదు. ఒక రూపకల్పనలో, ఒకే ఎయిర్స్పీడ్ సెన్సార్ నియంత్రణ చట్టం మరియు హెచ్చరిక వ్యవస్థ రెండింటినీ అందిస్తుంది. AI యొక్క వైఫల్య మోడ్ విశ్లేషణ ఈ సెన్సార్ బ్లాక్ చేయబడితే, నియంత్రణ మరియు హెచ్చరిక రెండూ ఏకకాలంలో మోసం చేయబడతాయని, అంటే ఒక పాయింట్ వైఫల్యం అని ఫ్లాగ్ చేస్తుంది. బృందం రెండవ స్వతంత్ర వేగ మూలాన్ని (ఉదా. GPS-ఆధారిత వేగం లేదా రెండవ పిటోట్) మరియు వ్యత్యాస గుర్తింపును జోడిస్తుంది. పాఠం: భద్రత-క్లిష్టమైన ఇన్పుట్ యొక్క ఒకే మూలంపై ఆధారపడటం అనేది తప్పనిసరిగా గుర్తించాల్సిన దుర్బలత్వం.
సాధారణ తప్పులు
- స్థిరత్వంతో పనితీరు గందరగోళం. త్వరిత ప్రతిస్పందన అంటే దృఢత్వం కాదు; తగినంత మార్జిన్ నిజానికి అస్థిరతను ఉత్పత్తి చేస్తుంది.
- వాస్తవికత కోసం అనుకరణను తప్పుగా అర్థం చేసుకోవడం. ఆదర్శ యాక్యుయేటర్/సెన్సార్గా భావించే అనుకరణ జాప్యం మరియు శబ్దాన్ని విస్మరిస్తుంది; హార్డ్వేర్లో ధృవీకరణ అవసరం.
- సగటు పనితీరుపై ఆధారపడటం. భద్రత చెత్త కేసు ద్వారా కొలుస్తారు; అరుదైన కానీ ప్రమాదకరమైన దృశ్యాలు ఆమోదయోగ్యం కాదు.
- పర్యవేక్షణ లేకుండా లెర్నింగ్ పాలసీని ఉపయోగించడం. హామీ ఇవ్వలేని నాడీ నెట్వర్క్ క్లాసికల్ సేఫ్టీ ఎన్వలప్ లేకుండా ఫ్లైట్లో ఉంచబడదు.
- వైఫల్యం మోడ్లను దాటవేయడం. సింగిల్ పాయింట్ ఫెయిల్యూర్స్ మరియు ఫెయిల్-సేఫ్ బిహేవియర్లను డిజైన్ ప్రారంభంలో కాకుండా చివరిలో పరిగణించినట్లయితే, అది చాలా ఆలస్యం అవుతుంది.
సారాంశంలో
ఫ్లైట్ కంట్రోల్ అనేది ఎర్రర్ తక్షణం మరియు కోలుకోలేని ప్రాంతం. AI స్థిరత్వ విశ్లేషణ, కంట్రోలర్ డిజైన్, అనుకరణ సెటప్ మరియు స్వయంప్రతిపత్తి విధానాలను వేగవంతం చేస్తుంది; కానీ మంచి పనితీరు అంటే మంచి స్థిరత్వ మార్జిన్ కాదు మరియు గ్యారెంటీ/వివరణాత్మకత పరంగా అభ్యాస విధానాలు బలహీనంగా ఉన్నాయి. ప్రాక్టికల్ భద్రత అనేది లేయర్డ్ ఆర్కిటెక్చర్లో లెర్నింగ్ లేయర్ను క్లాసికల్ సేఫ్టీ ఎన్వలప్తో కలపడం మరియు ఫ్లైట్ ఎన్వలప్, స్టెబిలిటీ మార్జిన్, వరస్ట్ కేస్ మరియు ఫెయిల్యూర్ మోడ్ పరంగా ప్రతి కంట్రోలర్ యొక్క ధృవీకరణ. భద్రత సగటు ద్వారా కాదు, చెత్త కేసు ద్వారా కొలుస్తారు.
అప్లికేషన్ టాస్క్
సాధారణ నియంత్రణ సమస్య కోసం ప్రతినిధి నమూనాను నిర్వచించండి (ఉదా. మల్టీకాప్టర్ ఎత్తులో ఉన్న లూప్). AIని ఉపయోగించి, (a) ప్రారంభ లాభం సెట్ మరియు స్థిరత్వ మార్జిన్ లెక్కింపు స్క్రిప్ట్ను ఉత్పత్తి చేయండి, లాజిక్ను తనిఖీ చేయండి, (b) లక్ష్య మార్జిన్లతో సరిపోల్చండి మరియు సరిపోకపోతే సర్దుబాటు చేయండి, (c) సిస్టమ్ కోసం వైఫల్య మోడ్ మరియు ఫెయిల్-సేఫ్ జాబితాను రూపొందించండి. సూడోకోడ్లో సేఫ్టీ ఎన్వలప్ లాజిక్ని డిజైన్ చేయండి మరియు చెత్త సందర్భాలను వ్రాయండి.
చెక్లిస్ట్
- [ ] నేను కంట్రోలర్ లాభం మరియు దశ మార్జిన్ను లెక్కించాను మరియు దానిని విమానయాన లక్ష్యంతో పోల్చాను.
- [ ] నేను యాక్యుయేటర్ ఆలస్యం/సెన్సార్ నాయిస్ కింద అనుకరణ ఫలితాన్ని పరీక్షించాను.
- [ ] నేను పనితీరును సగటు ప్రవర్తనతో కాకుండా చెత్త ప్రవర్తన ద్వారా అంచనా వేసాను.
- [ ] నేను లెర్నింగ్ పాలసీల కోసం క్లాసిక్ సేఫ్టీ ఎన్వలప్ని నిర్వచించాను.
- [ ] నేను ఫెయిల్యూర్ మోడ్లు మరియు ఫెయిల్-సేఫ్ బిహేవియర్లను జాబితా చేసాను.
- [ ] నేను సింగిల్ పాయింట్ లోపాలను గుర్తించాను మరియు స్వతంత్రతను జోడించాను.