技术白皮书 · 国防 · 运行时保障
从感知到行动的证据链
符号世界状态、机器心智与受限模型权限：让感知、自定位、物体、几何、可通行性、障碍、规划、行动、反馈和更新后的世界状态都可检查。
摘要
机器不应仅仅因为语言模型给出一个看似合理的描述或计划，就获得行动权限。Perslis Defense 的目标是让完整控制链可检查：每个边界都应携带明确表示、证据来源、时间与坐标系、不确定性、接纳条件，以及证据不足时的响应。本文以 CARLA 与 BZFlag 原型为依据，说明目前已经实现的分离，同时保留学习式感知、物理世界不确定性和最终动作覆盖方面尚未证明的义务。
本文只主张仿真与游戏中的研究原型证据，不主张已认证的物理安全。符号表示能够暴露假设和决定，但不能把错误观察变成事实；确定性准入代码也可能执行错误规则、读取过期状态或漏掉最终动作路径。
十阶段保障目标
- 感知
- 自定位
- 物体
- 几何
- 可通行性
- 障碍
- 规划
- 行动
- 反馈
- 更新后的世界状态
这十项是相互连接的证据义务，不是声称每一阶段都已经得到证明。更新后的世界状态必须回到下一轮感知与规划中，形成闭环。
本文保留的边界
- 模型提议不等于事实或权限。 模型可以解释任务或提出路线，但不能单独重写约束、认证证据或决定执行。
- 仿真器状态不等于学习式感知。 CARLA 的姿态和障碍真值来自仿真器 API；它没有证明视觉定位。
- 视觉见证仍然会误确认。 BZFlag 记录中存在六次误确认，数据又来自同一场比赛。
- 反馈学习有上限。 规则驾驶员在有界测试中改进，但仍输给游戏自带 AI；这不是无限演化。
- 最终动作覆盖仍是义务。 每个实际命令都必须落在已评估的准入边界或另行验证的授权模式内。
阅读全文
以下阅读器显示构成本页来源的完整英文 PDF。可使用浏览器的 PDF 控件搜索、缩放、打印或保存。