연구진은 연결 차량의 자율적 이상 감지를 위한 온라인 프레임워크를 개발했어요. 이 프레임워크는 서비스 간 의존성을 활용하는 강화 학습 기반 에이전트와 통계적 드리프트 감지기를 결합했어요.
인간 개입을 통해 시스템이 학습한 응답을 보존하면서 전문가 지식을 통합하는 재훈련 메커니즘을 포함해요. 이를 통해 지속적인 적응과 파국적 망각 방지가 가능해요.
자동 주차 애플리케이션 테스트베드에서 평가 결과, F1 점수가 0.69로 단일 감지기를 사용할 때보다 훨씬 높게 나타났어요.
실제 소프트웨어 업데이트 후 성능이 감소했지만, 운영자 주도 재훈련을 통해 이전 분포에서는 0.69, 새로운 분포에서는 0.65로 성능이 회복됐어요.