Managed Autonomy at Runtime: Gear-Based Safety and Governance for Single- and Multi-Agent Cyber-Physical Systems

论文设计了五档 execution gears、utility-gated dispatch 和 event-driven fallback，把 LLM 软件 agent 与机器人 CPS 的自治控制放在统一运行时里处理。多 agent 场景中，它把 runtime evidence 映射到 SMART lifecycle 的四个治理状态，并用 consensus gating、swarm-level Lyapunov 分析、per-agent gear authority 和 rendezvous control 约束安全。三台 UR5 机器人装配单元、10000 次 Monte Carlo episodes 中，异常检测率为 99.6%，单 agent baseline 为 2.1%，检测延迟降低 3.5 倍；这类数字让“runtime governance”从抽象政策落到物理系统指标上。