研究人员推出了一种可解释控制框架 (XCF)，旨在为复杂控制器行为提供人类可理解的洞察。该框架采用了一种新颖的层次化模糊模型无关解释 (HFMAE-C) 方法，该方法利用模糊逻辑和 IF-THEN 规则来近似控制器逻辑并量化状态贡献。此外，一个由大型语言模型代理支持的用户界面有助于分析需求，将解释转化为自然语言报告，并提供交互式咨询。涉及倒立摆系统和 Turtlebot 的案例研究证明了该框架与现有可解释控制方法相比的有效性。 AI
影响 增强了人工智能驱动的控制系统的透明度和信任度，有可能加速其在安全关键型应用中的采用。
排序理由 该集群描述了一篇详细介绍用于控制系统中可解释AI的新框架和方法论的新研究论文。
- Explainable Control Framework (XCF)
- hierarchical fuzzy model-agnostic explanation for control systems (HFMAE-C)
- inverted pendulum system
- Large Language Model Agents Enabled Generative Design of Fluidic Computation Interfaces
- LLM Agent-Supported Interface
- Turtlebot
- IF-THEN rules
- Turtlebot obstacle avoidance
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
