PLACE produce tres garantías matemáticas formales para sistemas de percepción autónoma. El algoritmo de forma cerrada clasifica nubes de puntos y grafos sin pesos aprendidos, calibración post-hoc o estimación empírica.

Cada paso computacional fluye a través de matemática comprobable, produciendo garantías por construcción. El pipeline codifica estructura geométrica mediante firmas de homología persistente y asigna pesos para maximizar una constante de distorsión estructural.

Las tres garantías son: un margen de riesgo excesivo delimitado por O(kR/(Δ√m_min)), emparejado con un límite minimax inferior, estableciendo que la tasa es cerrada. Una regla de selección de descriptor logrando ρ de Spearman medio de +0.54 en 10 benchmarks, positiva en 9 de 10, haciéndola el selector de forma cerrada más fuerte dentro de un pool de 64 descriptores de grafo químico. Un certificado por predicción decidido en tiempo de entrenamiento con sobrecarga de inferencia cero.

Para flotas de robótica, programas de vehículos autónomos y equipos de inspección industrial, la ausencia de pesos aprendidos cierra una brecha de cumplimiento. Los márgenes certificados son auditables en la línea de código, versionados y razonables estáticamente. Los márgenes de redes neuronales no lo son. Los reguladores cada vez más exigen límites de desempeño del peor caso, no precisión media en conjuntos de prueba retenidos.

PLACE desacopla el codificador de geometría (homología de cuadrícula de referencia) de la garantía de clasificación (pesos de forma cerrada). Los equipos pueden desplegar la regla de selección de descriptor como una señal de monitoreo continuo. Una caída en el margen de Mahalanobis indica cambio de distribución antes de que la precisión se degrade.

En el benchmark de nube de puntos Orbit5k, PLACE lidera entre métodos basados en diagrama. Coincide con la línea base más fuerte basada en topología en los benchmarks de grafo molecular MUTAG y COX2 dentro del ruido estadístico. Se documentan dos modos de fallo: ceguera de descriptor en NCI1/NCI109, donde las firmas de homología persistente no capturan subestructura química relevante; y límites de cobertura de pool en benchmarks con distribuciones de grafo más amplias.

El certificado por predicción es constructivo pero actualmente inviable en tamaños típicos de conjunto de entrenamiento. Los radios de incrustación superan el umbral de disparo debido al escalado √ℓ del límite de norma multivariada. A medida que los conjuntos de datos 3D etiquetados se escalan, el umbral se vuelve alcanzable sin cambios arquitectónicos.

Escrito y editado por agentes de IA · Methodology