Specifying User Preferences using Weighted Signal Temporal Logic
我们扩展信号时序逻辑（STL），使规范的重要性和优先级。该扩展名为加权STL（wSTL），具有与STL相同的定性（布尔）语义，但还定义了与布尔和时间运算符相关的权重，以调节其定量语义（鲁棒性）。我们证明了wSTL的鲁棒性可以定义为所有已知兼容鲁棒性泛函的加权推广（即，在公式上递归定义的鲁棒性得分），其可以考虑wSTL公式中的权重。我们利用这种加权的鲁棒性来区分信号相对于一个所需的wSTL公式，具有不同的重要性或优先级和时间偏好的子公式，并证明其有用的冲突任务的问题，其中所有任务的满意度不能实现。我们还采用wSTL鲁棒性的优化框架，合成控制器，最大限度地满足用户指定的偏好的规范。
2020-10-02 cs.SY eess.SY
Lipschitz Continuity of Signal Temporal Logic Robustness Measures: Synthesizing Control Barrier Functions from One Expert Demonstration
本文提出一种从单次专家演示构造控制障碍函数的方法，利用信号时序逻辑鲁棒性度量的Lipschitz连续性合成时变CBF，通过过滤控制输入确保系统轨迹满足规约，并在Robotarium上验证了有效性。
2023-04-07 cs.SY eess.SY
Combined Left and Right Temporal Robustness for Control under STL Specifications
本文提出同时考虑左右时间偏移的STL组合时间鲁棒性，推导其性质并用混合整数线性规划设计最大化该鲁棒性的线性系统控制律。
2023-06-08 cs.LO cs.SY eess.SY
Backpropagation through Signal Temporal Logic Specifications: Infusing Logical Structure into Gradient-Based Methods
Stanford University（斯坦福大学）；Toyota Research Institute（丰田研究院）
提出了一种利用计算图计算信号时序逻辑（STL）公式的定量语义的方法，称为STLCG。STLCG提供了一个平台，使逻辑规范纳入机器人问题，受益于基于梯度的解决方案。具体来说，STL是一种功能强大、表达能力强的形式化语言，它可以指定连续系统和混杂系统产生的信号的空间和时间属性。STL的定量语义提供了一个鲁棒性度量，即，信号满足或违反STL规范的程度。在这项工作中，我们设计了一个系统的方法来翻译STL的鲁棒性公式到计算图。通过这种表示，并利用现成的自动微分工具，我们能够有效地通过STL鲁棒性公式进行反向传播，从而实现STL规范与机器人技术中使用的许多基于梯度的方法的自然和易于使用的集成。通过一些来自各种机器人应用的例子，我们证明了STLCG是通用的，计算效率高，并能够将人类领域的知识到问题的制定。
2021-12-27 cs.CL cs.LO cs.SY
Risk of Stochastic Systems for Temporal Logic Specifications
数据的广泛可用性，加上人工智能和机器学习的计算进步，有望实现许多未来技术，如自动驾驶。虽然这些技术已经有了各种成功的示范，但多次报告了关键的系统故障。即使这种系统故障很少见，但如果没有严格的风险评估，这种系统故障也会对采用构成严重障碍。本文提出了一个系统和严格的系统风险验证的框架。我们认为制定信号时序逻辑（STL）的系统规范和模型的系统作为一个随机过程，允许离散时间和连续时间的随机过程。然后，我们将STL鲁棒性风险定义为缺乏鲁棒性的风险。这个定义的动机是因为系统故障往往是由于缺乏鲁棒性的建模误差，系统干扰，并在底层数据生成过程中的分布变化。在定义中，我们允许一般类别的风险度量，并专注于尾部风险度量，如风险价值和条件风险价值。虽然STL鲁棒性风险一般难以计算，但我们提出了近似的STL鲁棒性风险作为一个更易于处理的概念，该概念将STL鲁棒性风险上限化。我们展示了如何从系统轨迹数据中准确估计近似STL鲁棒性风险。对于离散时间随机过程，我们证明了在何种条件下近似STL鲁棒性风险甚至可以精确计算。我们说明了我们的验证算法在自动驾驶模拟器CARLA和显示如何风险最小的控制器可以选择四个神经网络车道保持控制器的五个有意义的系统规范。
2022-10-08 cs.FL cs.LO cs.SY
Efficient STL Control Synthesis under Asynchronous Temporal Robustness Constraints
针对 ATR 约束下的 STL 控制综合难题，本文利用瞬时偏移对集合消除冗余偏移并构建优化程序，给出兼具可靠性与完备性的高效方法及案例验证。
2023-07-24 cs.SY eess.SY
Feasibility-aware Learning of Robust Temporal Logic Controllers using BarrierNet
Amazon Robotics（亚马逊机器人）；Department of Mechanical Engineering（机械工程系）；Worcester Polytechnic Institute（沃斯堡技术学院）；Department of Electrical and Computer Engineering and the Department of Computer Science（电气与计算机工程系和计算机科学系）
本文提出一种基于BarrierNet的鲁棒时序逻辑控制器学习方法，通过可训练的高阶控制屏障函数约束和统一鲁棒性度量，实现对STL规范的严格满足，无需手动调参。
2026-01-28 cs.LG cs.SY eess.SY
Interval Signal Temporal Logic from Natural Inclusion Functions
本文提出区间信号时序逻辑 ISTL，利用自然包含函数递归构造区间鲁棒性语义，以处理不确定信号与谓词，并通过离线监测和在线控制综合示例验证其易用性。
2023-12-11 cs.SY eess.SY
A Smooth Robustness Measure of Signal Temporal Logic for Symbolic Control
University of Notre Dame（圣母大学）
近年来，越来越多地使用信号时序逻辑（STL）作为符号控制的形式化规范语言，由于其表达能力和接近自然语言。此外，STL规范可以使用STL的鲁棒语义编码为代价函数，将合成问题转换为优化问题。不幸的是，这些代价函数是非光滑和非凸的，并且使用混合整数规划的精确解不能很好地缩放。最近的工作集中在使用平滑近似的鲁棒性，这使得更快的基于梯度的方法找到局部最大值，以牺牲稳健性和/或完整性。我们提出了一种新的鲁棒性近似，是光滑的，声音，渐近完成。我们的方法结合了现有近似的优点，同时使保守性和完整性之间的明确权衡。
2020-06-09 cs.RO cs.SY eess.SY
STLCCP: Efficient Convex Optimization-based Framework for Signal Temporal Logic Specifications
CentraleSupélec（中央高等电力学院）；University of Paris-Saclay（巴黎萨克雷大学）
针对现有方法难以高效求解复杂长时域STL规范控制问题的挑战，提出STLCCP框架，利用STL结构特性转化为凸优化问题并结合改进CCP求解，在运动规划基准测试中表现优于现有方法。
2025-04-14 cs.FL cs.RO cs.SY
Safety Verification and Navigation for Autonomous Vehicles based on Signal Temporal Logic Constraints
Clemson University（克莱姆森大学）
针对自动驾驶车辆导航的安全验证需求，本研究提出以信号时序逻辑（STL）规约为额外约束的模型预测控制器，结合sTaliro工具构建闭环控制方案，经多场景测试验证了车辆安全导航能力。
2024-09-16 cs.RO cs.SY eess.SY
Fast Robust Monitoring for Signal Temporal Logic with Value Freezing Operators (STL*)
本文针对STL*监控不可扩展的问题，提出带加速启发式的离线布尔与鲁棒性监控算法，首次支持嵌套冻结变量公式的长轨迹监控。
2024-09-29 cs.LO cs.SY eess.SY
pdSTL: Probabilistic Differentiable Signal Temporal Logic for Stochastic Systems
Oklahoma State University（俄克拉荷马州立大学）
提出pdSTL框架，将概率语义与可微鲁棒性结合，通过区间值概率语义和LSTM式展开实现线性时间可微监控，在障碍物规避、换道和真实四旋翼飞行实验中优于确定性可微STL。
2026-06-19 cs.RO cs.SY eess.SY
Q-Learning for Robust Satisfaction of Signal Temporal Logic Specifications
Massachusetts Institute of Technology（麻省理工学院）；Georgia Institute of Technology（佐治亚理工学院）；Stanford University（斯坦福大学）；Boston University（波士顿大学）
本文研究了在未知随机动态下通过Q学习满足信号时间逻辑规范的问题，提出通过最大化满足概率和鲁棒度度量来解决合成问题，并通过仿真验证了方法性能。
2016-09-23 cs.SY eess.SY
Ro-To-Go! Robust Reactive Control with Signal Temporal Logic
本文提出了一种新的信号时间逻辑鲁棒性度量方法Ro-To-Go，用于改进模型预测控制中的机器人控制，通过隔离后缀轨迹的贡献，提高决策能力，并在仿真中验证了其有效性。
2026-05-18 cs.SY eess.SY
A Geometric Decision Procedure for STL Feasibility and Repair
University of Auckland（奥克兰大学）
本文提出一种与时间视界无关的几何决策程序，通过将STL约束转化为空间可达集并解析求逆动态扩展，实现快速可行性检查与精确时间延迟修复，实验显示毫秒级执行与大幅加速。
2026-10-14 cs.RO cs.SY eess.SY
Decentralized Signal Temporal Logic Control for Perturbed Interconnected Systems via Assume-Guarantee Contract Optimization
针对一类具有动态耦合的受扰线性系统网络，提出了一种新的分散控制方法。我们首先将STL的需求转化为集合包容问题，然后开发控制器来解决这些问题。我们的方法是基于处理子系统之间的耦合干扰，这是有界的子系统协商的形式参数假设保证合同。将所设置的包含需求和参数化契约添加到子系统的约束中。我们引入了一个集中式优化问题，以获得合同，可达性管，和分散的闭环控制律。我们表明，当STL公式是可分离的子系统，集中式优化问题可以解决在一个分布式的方式，规模大的系统。我们提出了正式的理论保证STL满意度的鲁棒性。通过电网算例验证了该方法的有效性。
2022-06-30 cs.SY eess.SY
Stochastic Robustness Interval for Motion Planning with Signal Temporal Logic
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出一种针对STL规范的连续时间随机轨迹鲁棒性度量及其监控器，并基于此开发了不确定性下机器人的采样运动规划算法，证明了概率完备性与渐近最优性。
2023-05-28 cs.FL cs.RO cs.SY
Signal Temporal Logic Meets Convex-Concave Programming: A Structure-Exploiting SQP Algorithm for STL Specifications
Université Paris-Saclay（巴黎-萨克雷大学）；Osaka University（大阪大学）；Kyoto University（京都大学）
针对带STL规范的控制问题中现有SQP方法易陷局部极小值的缺陷，提出基于CCP的结构利用型SQP算法，通过鲁棒性分解构造DC规划并仅近似析取部分求解，在鲁棒性和计算时间上均优于现有方法。
2023-05-16 cs.FL cs.RO cs.SY
STL-GCS: A Planner-Controller Framework for Signal Temporal Logic via Graphs of Time-varying Convex Sets
提出用于满足凸谓词上STL规范的统一轨迹规划与控制框架，规划层将任务编码为时变凸集，结合GCS框架并由B样条参数化轨迹，控制层据此设计反馈控制器，通过仿真和实际实验验证了该方法。
2026-07-22 cs.RO cs.SY eess.SY
Control from Signal Temporal Logic Specifications with Smooth Cumulative Quantitative Semantics
Boston University（波士顿大学）；TU Wien（维也纳工业大学）
本文提出了一种从复杂时间约束生成非线性动态系统控制策略的框架，引入了平滑且可微的累积鲁棒性语义，并通过梯度上升算法求解一系列平滑优化问题来高效生成控制策略，同时展示了如何将这些技术整合到模型预测控制框架中以实现长时间 horizon 的控制策略合成。
2019-04-25 cs.SY eess.SY
DAG-STL: A Hierarchical Framework for Zero-Shot Trajectory Planning under Signal Temporal Logic Specifications
School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（自动化与智能感知学院，上海交通大学，上海，中国）；Institute of Artificial Intelligence, Xiamen University, Xiamen, China（人工智能研究院，厦门大学，厦门，中国）
本文提出DAG-STL框架，通过分解-分配-生成流程实现零样本轨迹规划，结合动态一致性度量和分层在线重规划机制，在复杂任务中表现出色。
2026-04-20 cs.RO cs.SY eess.SY
Time-Robust Path Planning with Piece-Wise Linear Trajectory for Signal Temporal Logic Specifications
针对时间不确定性场景，提出基于分段线性轨迹的STL路径规划方法，通过定义时间鲁棒性并编码为MILP，减少变量并提升长规划范围下的综合效率。
2024-03-15 cs.SY eess.SY
Synthesis of Temporally-Robust Policies for Signal Temporal Logic Tasks using Reinforcement Learning
针对未知随机环境下STL控制策略设计问题，提出兼顾时序鲁棒性的两个控制目标，通过近似处理适配标准Q-learning算法并推导理论边界，经案例验证方法可行。
2024-03-23 cs.SY eess.SY
Bridging Perception and Planning: Towards End-to-End Planning for Signal Temporal Logic Tasks
School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学）；University of Minnesota, Twin Cities（明尼苏达大学，双城分校）；School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
本文提出了一种端到端的STL规划器，通过结构感知的混合专家模型，实现对信号时序逻辑任务的高效规划与执行。
2026-03-01 cs.RO cs.SY eess.SY
STLGame: Signal Temporal Logic Games in Adversarial Multi-Agent Systems
University of Pennsylvania（宾夕法尼亚大学）；Lehigh University（利哈伊大学）
本文提出 STLGame，将对抗多智能体 STL 任务建模为零和博弈，并用可微 STL 与 FSP 求解 Nash 均衡，在车辆和无人机基准上验证其鲁棒性。
2024-12-02 cs.MA cs.RO cs.SY
Temporal Relaxation of Signal Temporal Logic Specifications for Resilient Control Synthesis
我们引入了一个度量，可以量化的信号时序逻辑（STL）规范的时间松弛，并促进弹性控制合成在面对不可行的。建议的度量量化的累积概念的子任务之间的放松，并尽量减少它产生的结构变化，在原来的STL规范的i）修改时间间隔，ii）删除子任务完全如果需要的。为此，我们制定了一个最优控制问题，提取状态和输入序列，最小限度地违反时间要求，同时实现所需的谓词。我们编码这个问题的计算效率的混合整数程序的形式。我们展示了一些新的度量的性质的理论结果。最后，我们提出了一个案例研究的机器人，最低限度地违反了所需的任务的时间限制，在面对的不可行性。
2022-12-11 cs.SY eess.SY
Neural Controller Synthesis for Signal Temporal Logic Specifications Using Encoder-Decoder Structured Networks
Osaka University（大阪大学）；National Institute of Informatics（国立信息学研究所）
本文提出了一种基于神经网络的信号时序逻辑（STL）规范控制综合方法。大多数以前的作品考虑训练一个控制器，只有一个给定的STL规范。然而，这些方法，需要重新训练的NN控制器，如果一个新的规范出现，需要得到满足，这导致大量的内存消耗和低效的训练。为了解决这个问题，我们建议通过引入编码器-解码器结构的NN与注意力机制来构建NN控制器。编码器将STL公式作为输入，并将其编码为适当的向量，解码器输出满足给定规范的控制信号。作为编码器，我们考虑三种NN结构：顺序，树结构和图形结构的NN。所有的模型参数都是以端到端的方式训练的，以最大限度地提高预期的鲁棒性，这是STL公式的定量语义。我们比较上述NN结构的控制性能，通过数值实验的路径规划问题，所提出的方法的有效性。
2022-12-10 cs.LG cs.SY eess.SY
Multi-Agent Temporal Logic Planning via Penalty Functions and Block-Coordinate Optimization
University West（韦斯特大学）；Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；ETH Zürich（苏黎世联邦理工学院）；Queen’s University Belfast（贝尔法斯特女王大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
针对信号时序逻辑下的多主体规划问题，提出基于惩罚函数的无约束松弛和块坐标梯度下降法，实现可扩展的协同规划。
2026-06-03 cs.MA cs.SY eess.SY
Continuous-Time Control Synthesis for Multiple Quadrotors under Signal Temporal Logic Specifications
University of Waterloo（滑铁卢大学）；Shenzhen Technology University（深圳技术大学）
本文提出双阶段框架，基于几何控制进行Lyapunov分析并设计多维增益，结合混合整数凸优化生成满足多智能体STL任务的轨迹，提升系统鲁棒性和暂态性能。
2026-03-30 cs.MA cs.SY eess.SY
Learning Robust and Correct Controllers from Signal Temporal Logic Specifications Using BarrierNet
Boston University（波士顿大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出利用 BarrierNet 和可训练高阶控制屏障函数，从 STL 规范学习保证满足性且更鲁棒的神经网络控制器，并在仿真中优于现有算法。
2023-04-12 cs.LG cs.SY eess.SY
Risk-Awareness in Learning Neural Controllers for Temporal Logic Objectives
University of Southern California（南加州大学）；Toyota Motor North America R&D（丰田汽车北美研发中心）
在本文中，我们考虑的问题，在不确定性的存在下，使所得的闭环系统满足一定的硬约束，同时优化某些（软）性能目标的综合控制器。我们假设的硬约束编码安全或关键任务的任务目标表示使用信号时序逻辑（STL），而性能量化使用标准的代价函数的系统轨迹。为了优先满足STL硬约束，我们利用控制障碍函数（CBFs）的框架和算法获得的STL目标的CBFs。我们假设的控制器建模使用神经网络（NN），并提供一个优化算法来学习的NN控制器，优化性能在用户指定的鲁棒性裕度的安全规格的最佳参数。我们使用风险度量的形式主义来评估系统的鲁棒性裕度与其性能之间的权衡所带来的风险。我们证明了我们的方法的有效性，众所周知的困难的例子，如四旋翼和单旋翼非线性控制，其中每个系统的任务目标包括硬时间约束和安全目标。
2022-10-14 cs.AI cs.FL cs.SY
Multi-Task Learning for Few-Shot Online Adaptation under Signal Temporal Logic Specifications
本文研究了一种考虑信号时序逻辑（STL）的基于多任务学习的控制方法，通过鲁棒度衡量任务合规性，利用序列凸规划处理非凸项，在两个动力系统中实现了少样本在线适应且对高度扰动表现出鲁棒性。
2024-07-30 cs.SY eess.SY
Clustering-based Recurrent Neural Network Controller synthesis under Signal Temporal Logic Specifications
针对单一神经网络控制器在STL规范下因初始条件变化导致泛化与控制性能下降的问题，提出基于轨迹聚类的RNN控制方法，通过分类网络匹配专用控制器，有效提升了估计精度与控制性能。
2025-04-28 cs.SY eess.SY
A More Scalable Mixed-Integer Encoding for Metric Temporal Logic
基于时间时序逻辑规范（包括度量时序逻辑（MTL）和信号时序逻辑（STL））的最优控制的最新技术是基于混合凸规划（MICP）的。标准的MICP方法是健全和完整的，但难以扩展到长而复杂的规范。借鉴分段仿射系统轨迹优化的最新进展，我们提出了一种新的MICP编码有限过渡系统，显着提高了可扩展性，以长期和复杂的MTL规范。而不是寻求减少在MICP中的变量的数量，我们专注于设计一个编码与紧凸松弛。这会导致更大的优化问题，但会显著提高分支定界求解器的性能。在涉及移动机器人在网格世界的仿真实验中，所提出的编码可以减少计算时间的几个数量级。
2021-12-02 cs.SY eess.SY
ReasonSTL: Bridging Natural Language and Signal Temporal Logic via Tool-Augmented Process-Rewarded Learning
Shanghai Jiao Tong University（上海交通大学）；Alibaba Group（阿里巴巴集团）
本文提出ReasonSTL框架，通过工具增强和过程奖励学习，解决自然语言到信号时间逻辑（STL）的转换难题，提供透明、低成本且隐私保护的正式规范起草方案。
2026-05-08 cs.AI cs.RO cs.SY
Stratifying Reinforcement Learning with Signal Temporal Logic
University at Albany, State University of New York（纽约州立大学奥尔巴尼分校）；Lockheed Martin, Advanced Technology Labs（洛克希德·马丁公司先进技术实验室）
本文提出基于分层理论的信号时间逻辑语义，揭示分层理论与STL的对应关系，为深度强化学习嵌入空间结构分析提供新框架，并推动新型计算技术发展。
2026-04-06 cs.LG cs.LO cs.SY
Online Causation Monitoring of Signal Temporal Logic
针对经典STL在线监测因鲁棒性区间单调收缩而无法及时报告新违反或精确描述系统演化的问题，本文提出布尔与定量因果监测器，以更细粒度刻画每个时刻与规约违反或满足的因果关系，并在不显著增加监测成本的前提下提供更详细的系统演化信息。
2023-05-28 cs.FL cs.LO cs.SY
Elliptical Slice Sampling for Probabilistic Verification of Stochastic Systems with Signal Temporal Logic Specifications
Cornell University（康奈尔大学）；Dexai Robotics（Dexai机器人公司）；Massachusetts Institute of Technology（麻省理工学院）
针对带感知缺陷的自主机器人系统，提出基于椭圆切片采样的概率验证方法，可无过度近似地计算STL任务满足概率，应用于机器人运动规划场景。
2022-02-28 cs.RO cs.SY eess.SY
Robust Online Monitoring of Signal Temporal Logic
Toyota Technical Center（丰田技术中心）；University of California Berkeley（加州大学伯克利分校）
本文提出一种鲁棒在线监控信号时序逻辑部分轨迹的语义，通过高效算法在汽车领域和MOOC教学中验证，显著降低计算成本。
2015-06-26 cs.SY eess.SY
Efficient Hybrid Hard--Soft Signal Temporal Logic MPC for Driving under Multimodal Uncertainty
Technical University Darmstadt（达姆施塔特工业大学）；Freie Universität Berlin（柏林自由大学）；Fraunhofer FOKUS（弗劳恩霍夫FOKUS研究院）
针对多模态不确定性下的自动驾驶，提出混合硬-软STL的高效MPC框架，通过优化共享轨迹、筛选符号图降低延迟，在六场景测试中成功率最高且无违规，延迟仅为未优化版本的四分之一。
2026-10-14 cs.RO cs.SY eess.SY
Multi-Agent Control Synthesis from Global Temporal Logic Tasks with Synchronous Satisfaction Requirements
本文研究异构智能体在全局时序逻辑任务下的控制问题，提出基于全局STL公式和同步鲁棒性度量的MILP编码方法，实现高同步性与最小代价的运动规划，且计算复杂度仅为线性。
2024-11-14 cs.SY eess.SY
LLM-Enabled Low-Altitude UAV Natural Language Navigation via Signal Temporal Logic Specification Translation and Repair
Guangdong Provincial Key Laboratory of Space-Aerial Networking and Intelligent Sensing, Harbin Institute of Technology, Shenzhen（广东省空天网络与智能感知重点实验室，哈尔滨工业大学（深圳））；Peng Cheng Laboratory (PCL), Shenzhen（鹏城实验室）；Information Systems Technology and Design, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计系）；School of Computer Science and Engineering, Central South University, Changsha（中南大学计算机科学与工程学院）
本文提出一种统一框架，通过将自然语言指令转换为信号时序逻辑规范并利用混合整数线性规划生成轨迹，提升低空无人机在复杂环境中的安全导航能力。
2026-03-29 cs.RO cs.SY eess.SY
Tractable Reinforcement Learning for Full Class of Signal Temporal Logic Specifications Using Spatiotemporal Tube Reward
Centre for Cyber-Physical Systems, IISc（印度科学研究所网络物理系统中心）
本文提出一种时间感知的强化学习框架，利用时空管几何特性将全类信号时序逻辑规范映射为时变边界，训练软演员-评论家智能体，在满足输入约束下实现无历史、计算高效的连续控制策略。
2026-09-24 cs.RO cs.SY eess.SY
Integer-Free Control Synthesis for Signal Temporal Logic via Ranked Implicants
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；School of Computer Science, University of Birmingham（伯明翰大学计算机学院）
本文针对有限时域STL约束下的非线性离散时间系统，提出一种无整数控制综合方法，通过排序蕴含项求解非线性规划，在多智能体系统上验证其能找到有效轨迹且效率优于混合整数方法。
2026-10-16 cs.SY eess.SY
Performance and Robustness Analysis of Stochastic Jump Linear Systems using Wasserstein metric
Department of Aerospace Engineering, Texas A\&M University, College Station, TX 77843-3141 USA.
本文通过Wasserstein度量分析随机跃线性系统的性能与鲁棒性，提出了一种统一框架，验证了该方法的有效性与效率。
2014-05-25 cs.SY eess.SY math.PR
Scaling Learning based Policy Optimization for Temporal Logic Tasks by Controller Network Dropout
University of Southern California（南加州大学）；Toyota NA R&D（丰田北美研发中心）
本文提出一种基于模型的方法，利用前馈神经网络学习DT-STL任务的反馈控制器，并引入控制器网络dropout的新型梯度近似算法，解决了长跨度任务中的梯度消失与爆炸问题，实现了可扩展的反向传播。
2024-08-27 cs.AI cs.LG cs.RO
Probabilistic Robustness in the Gap Metric
本文利用间隙度量刻画随机不确定性下控制器鲁棒性，将间隙建模为随机变量，给出间隙超阈值的概率界、期望间隙界及概率鲁棒稳定性和性能保证，并通过数值仿真验证方法。
2025-07-20 cs.SY eess.SY math.OC
Quantifying the robustness of metro networks
Delft University of Technology（代尔夫特理工大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；TNO (Netherlands Organisation for Applied Scientific Research)（荷兰应用科学研究组织）
本文通过网络科学和图论方法研究地铁网络在随机故障或针对性攻击下的鲁棒性指标，探讨其理论与实验指标的性能及对系统设计的指导意义。
2015-05-26 cs.SY eess.SY physics.soc-ph
