Sleep When Everything Looks Fine: Self-Triggered Monitoring for Signal Temporal Logic Tasks
本文提出一种基于信号时序逻辑（STL）的自触发在线监控机制，通过算法动态决定系统状态采样时机以最大化观测间隔，在确保不丢失STL公式信息的同时显著降低观测负担与能耗。
2023-11-27 cs.SY eess.SY
Robotic Swarm Control from Spatio-Temporal Specifications
本文研究如何通过丰富的时空逻辑控制二维机器人群以实现复杂时空模式，将规范编码为混合整数线性约束，并通过优化机器人移动总和或相似度指标来规划轨迹。
2016-09-20 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
SaSTL: Spatial Aggregation Signal Temporal Logic for Runtime Monitoring in Smart Cities
我们提出了SaSTL -一种新的空间聚合信号时序逻辑-用于智能城市安全和性能要求的有效运行时监控。我们首先描述了对1，000多个智慧城市需求的研究，其中一些无法使用信号时序逻辑（STL）及其变体等现有逻辑来指定。为了解决这一限制，我们在SaSTL中开发了两个新的逻辑运算符来增强STL，以表达在实际城市需求中常见的空间聚合和空间计数特性。我们还开发了高效的监控算法，可以在多个数据流上并行检查SaSTL要求（例如，由空间分布在城市中的多个传感器产生）。我们通过应用两个具有大规模真实城市传感数据的案例研究（例如，在一个需求中多达10，000个传感器）。实验结果表明，SaSTL具有比其他时空逻辑更高的覆盖率表达能力，并显著减少了监控需求的计算时间。我们还通过模拟实验证明了SaSTL监视器可以帮助提高智慧城市的安全性和性能。
2021-12-14 cs.CY cs.SY eess.SY
Predictive Monitoring with Logic-Calibrated Uncertainty for Cyber-Physical Systems
University of Virginia（弗吉尼亚大学）；TU Wien（维也纳工业大学）
预测监控-预测未来的状态和监控，如果预测的状态满足要求-提供了一个很有前途的范例，支持决策的网络物理系统（CPS）。现有的预测监测工作主要集中在监测单个预测，而不是顺序预测。我们开发了一种新的方法来监测贝叶斯递归神经网络（RNN）生成的序列预测，该方法可以捕获CPS中固有的不确定性，并借鉴我们对现实世界CPS数据集的研究。我们提出了一种名为\emph{Signal Temporal Logic with Uncertainty}（STL-U）的新逻辑来监控包含由贝叶斯RNN预测的无限个不确定序列集的流管。我们定义STL-U强和弱满足语义的基础上，如果所有或一些序列中包含的流管满足的要求。我们还开发了计算置信水平范围的方法，在该置信水平范围内，保证流管强（弱）满足STL-U公式。此外，我们开发了新的标准，利用STL-U监测结果来校准贝叶斯RNN中的不确定性估计。最后，我们通过对真实世界数据集和模拟智能城市案例研究的实验来评估所提出的方法，这些实验显示了基于STL-U的预测监测方法优于基线的非常令人鼓舞的结果。
2021-07-24 cs.LG cs.SY eess.SY
Emergent Multi-View Fidelity in Autonomous UAV Swarm Sport Injury Detection
School of Engineering Trinity College Dublin Dublin, Ireland（工程学院 三一学院都柏林 都柏林 英国）
本文提出利用无人机群自动实现多视角碰撞检测，以提高运动学提取的准确性和冗余性，无需无人机间通信。
2025-05-10 cs.MA cs.RO cs.SY
Model Predictive Monitoring of Dynamical Systems for Signal Temporal Logic Specifications
针对安全关键信息物理系统的在线监测需求，提出基于已知系统模型的模型预测监测方法，通过预测未来状态提前证伪或验证STL规范，经真实案例验证有效。
2023-11-09 cs.FL cs.SY eess.SY
Quantitative Monitoring of Signal First-Order Logic
Zeroth Research（零次研究）；Institute of Science and Technology Austria（奥地利科学技术研究所）；CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍兹信息安全中心）；Leiden University（莱顿大学）
本文提出了一种基于鲁棒性的SFO定量语义，实现了对信号一阶逻辑的高效在线监测，并展示了其在实时属性评估中的有效性。
2026-03-03 cs.LO cs.SE cs.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
Towards formalization and monitoring of microscopic traffic parameters using temporal logic
智慧城市正在通过技术整合彻底改变交通基础设施。然而，确保各种运输系统组件按预期并以安全的方式运行是一个巨大的挑战。在这项工作中，我们提出了使用正式的方法作为一种手段来指定和原因的交通网络的复杂属性。形式化方法提供了一个灵活的工具来定义交通网络的安全运行，通过捕获不符合的行为，探索各种可能的状态的交通场景，并检测其中的任何不一致之处，因此，我们开发了基于规范的监测交通网络的分析使用的形式语言，信号时序逻辑。我们开发的监控器可识别与安全相关的行为，例如遵守速度限制和保持适当的车头时距。该框架进行了测试，使用校准的微观模拟高速公路的情况下，离线规范为基础的监控应用于个别车辆的轨迹，以了解他们是否违反或满足定义的安全规范。输出的统计分析表明，我们的方法可以区分违反符合车辆轨迹的基础上定义的规格。交通管理中心可以利用这项工作来研究交通流特性，识别可能的危险，并为交通监控系统的自动化提供有价值的反馈。
2021-10-12 cs.CY cs.SY eess.SY
SwarmGear: Heterogeneous Swarm of Drones with Reconfigurable Leader Drone and Virtual Impedance Links for Multi-Robot Inspection
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院）
本文提出异构无人机集群巡检系统SwarmGear，采用具备柔性腿的领航无人机实现空地协同，并利用虚拟阻抗链路保持编队，实验表明其在复杂环境中具有高运动精度与低跟踪误差。
2023-04-06 cs.RO cs.SY eess.SY
Trajectory Synthesis for a UAV Swarm to Perform Resilient Requirement-Aware Surveillance: A Smart Grid-based Study
智能电网是一个广泛分布的架空输电线路工程系统。自然灾害或技术故障对这些电力线造成的物理损坏将破坏电网的功能完整性。为了确保在这些现象发生时电网的运行流程能够继续，电网运营商必须立即采取措施消除影响并修复问题，即使这些问题发生在难以到达的偏远地区。新兴的无人机（UAV）显示出巨大的潜力，可以取代传统的人工巡逻，定期监测涉及电网安全的关键情况。关键线路可以由一队无人机监控，以确保有弹性的监控系统。建议的方法考虑了\textit{n}应急分析，以确定传输线的临界性。我们提出了一个正式的框架，验证是否一组给定的无人机（即，无人机群）可以执行满足各种要求的电网的连续监视，特别是监视和弹性规范。验证过程最终为无人机提供了一个轨迹计划，包括加油计划。检查线路上的点的弹性要求用$k-$属性表示，该属性指定如果$k$ UAV发生故障或受损，则仍有UAV在准时内收集该点处的数据。我们评估所提出的框架，基于各种IEEE测试总线系统的合成数据。
2019-11-03 cs.LO cs.SY eess.SP
Monitoring electrical systems data-network equipment by means of Fuzzy and Paraconsistent Annotated Logic
Centro Universitário FEI（FEI大学中心）；Flinders University（弗林德斯大学）；Universidade Santa Cecília（圣塞西利亚大学）
从IT数据networkelements获得的信息的数量和复杂性不断增加，为了对其进行正确的监控和管理，这是一个现实。同样的情况也发生在电力系统中的数据网络上，这些网络为变电站和水力发电厂提供有效的监督和控制。造成这一事实的原因是越来越多的设施和新的环境受到这种数据网的监测，以及所涉及的技术不断发展。这种情况可能导致数据不完整和/或矛盾，必须解决这些问题，以保持良好的监测水平，从而管理这些系统。在本文中，一个专家系统的原型开发，以监测电力系统中的数据网络的设备的状态，它处理不一致，而不淡化的推理。这是在水电站和变电站的远程控制的情况下完成的区域操作中心（ROC）。专家系统是用模糊逻辑和二值次协调注释逻辑（PAL 2 v）相结合的算法开发的，以分析不确定信号并产生设备的运行状态（故障、正常、不稳定或不一致/不确定），这些状态被识别为水电厂和变电站远程控制的重要状态。该专家系统的原型安装在虚拟服务器上，带有CLP 500软件（来自EFACEC制造商），用于调查由区域（巴西）运营中心组成的场景，具有通用变电站和通用水电厂，代表远程控制环境。
2021-05-24 cs.AI cs.SY eess.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
An Efficient Algorithm for Monitoring Practical TPTL Specifications
Arizona State University（亚利桑那州立大学）
本文提出一种动态规划算法，用于监控TPTL片段的规范，该片段比度量时序逻辑更 expressive，通过独立时间变量提取复杂实时需求，并提供多项式时间算法和实验结果。
2016-12-09 cs.LO cs.SY eess.SY
On Expressing and Monitoring Oscillatory Dynamics
Faculty of Informatics Masaryk University（马萨里克大学信息学院）
本文提出扩展的信号时序逻辑STL*，通过引入信号值冻结算子来增强表达能力，以区分生物学中重要的振荡特性，并实现了监控算法。
2012-08-19 cs.CE cs.LO cs.NA
Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning
Hatter Department of Marine Technologies, Leon H. Charney School of Marine Sciences, University of Haifa（哈特尔海洋技术系，列昂·H·夏恩海洋科学学院，海法大学）
提出混合CFD与多目标多智能体强化学习框架，通过PCGrad解决梯度冲突，在振荡流中优化微机器人集群的上游推进、能量效率和运动平滑性。
2026-06-15 cs.RO cs.SY eess.SY
Comparative Analysis of Agent-Oriented Task Assignment and Path Planning Algorithms Applied to Drone Swarms
Courant Institute of Mathematical Sciences（库朗数学科学研究所）；Tandon School of Engineering（坦登工程学院）；New York University（纽约大学）
自主无人机群是一项新兴技术，在测绘、检查、运输和监测领域具有重要应用。为了完成一项任务，每个无人机必须在手头的总体任务的上下文中完成一个子目标，并通过避免与障碍物和环境中的其他代理碰撞来在环境中导航。在这项工作中，我们选择的任务是最佳覆盖的环境与无人机群的目标状态和位置的全局知识是已知的，但不是障碍物。无人机必须选择环境中存在的兴趣点（POI）进行访问，以及访问顺序，以确保快速覆盖。我们模拟这个任务，并使用面向代理的方法来解决这个问题。我们根据其有效性（即映射区域所需的时间）和效率（即计算要求）评估使用强化学习算法训练的不同策略网络。我们将任务分配与路径规划以一种独特的方式进行导航过程中的碰撞避免，并比较基于网格的全局规划算法，即波前和基于梯度的局部规划算法，即势场。我们还评估了势场规划算法与不同的成本函数，提出了一种方法，以自适应修改的速度的无人机时，使用Huber损失函数进行避碰，并观察其对无人机的轨迹的影响。我们展示了我们的实验在2D和3D模拟。
2021-01-13 cs.RO cs.SY eess.SY
Distributed Continuous Aerial Surveillance by UAS Swarms Under Formal Mission Specifications
Department of Aerospace and Mechanical Engineering（航空航天与机械工程系）
研究在有界线性时态逻辑任务规范下无人机群的分布式连续空中监视，提出将团队分固定锚点和移动工作者，构建通信拓扑，证明协调动力学有限时间收敛，用信息论优化框架合成参考配置，实现持续监视覆盖及多种特性。
2026-07-20 cs.SY eess.SY math.LO
MROPE: A Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression
Alma Mater Studiorum - Università di Bologna（博洛尼亚大学）；Leonardo S.p.a.（莱昂纳多公司）；Leonardo Innovation Labs（莱昂纳多创新实验室）
针对杂乱环境中无人机群追踪动态目标的计算与安全挑战，研究提出MROPE分层策略，结合分布式聚合优化、分布式共识方案与预测安全滤波器，通过动态聚合障碍物为椭圆保障安全，实验验证其效率与可扩展性优于集中式方法。
2026-08-03 cs.RO cs.SY eess.SY
Monitoring Bounded LTL Properties Using Interval Analysis
Tokyo Institute of Technology（东京工业大学）；CNRS, IRCCyN（法国国家科学研究中心，IRCCyN）
本文提出一种区间方法用于验证由有界线性时序逻辑描述的属性，通过前向模拟混合自动机并传播时间区间来验证属性，证明了问题的可判定性。
2015-07-14 cs.LO cs.NA cs.SY
Technical Report: Distribution Temporal Logic: Combining Correctness with Quality of Estimation
Boston University（波士顿大学）
本文提出分布时间逻辑（DTL），用于描述部分可观测系统中涉及不确定性和可能性的属性，提供了一种安全的公式化方法及监控算法，并通过救援机器人应用案例验证。
2013-09-09 cs.AI cs.LO cs.SY
