Makalah ini menyajikan kerangka kerja deteksi anomali online untuk sistem siber-fisik otonom yang mengintegrasikan pembelajaran penguatan dengan pelatihan ulang manusia-dalam-loop untuk menangani perilaku sistem yang berkembang.
Kerangka kerja ini memanfaatkan jaringan Q-deep terfaktorisasi dengan perhatian-diri untuk memilih detektor optimal dari kumpulan kandidat berdasarkan ketergantungan mikrolayanan. Ini menggunakan ensambel dari tiga detektor drift statistik yang mengutamakan presisi dengan menaikkan alarm hanya ketika semua setuju. Buffer transisi tertunda dan strategi replay diprioritaskan 60/40 memungkinkan operator untuk memasukkan pengetahuan ahli tanpa lupa katastrofik.
Dievaluasi pada testbed kendaraan terhubung untuk parkir valet otomatis, agen yang diperkaya perhatian mencapai skor F1 sebesar 0.69, secara signifikan mengungguli detektor tunggal yang mencetak paling banyak 0.11. Setelah drift konsep yang diinduksi oleh pembaruan perangkat lunak, pelatihan ulang yang dipicu operator memulihkan kinerja menjadi 0.65 pada distribusi baru sambil mempertahankan 0.69 pada distribusi sebelumnya.