Control Synthesis against LTL Specifications with Long-Run Visit Proportion Objectives
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种规划方法，在满足LTL规范的同时，通过调整长期访问比例并控制成本，综合出符合要求的路径，并在四足机器人上验证了其有效性。
2026-10-02 cs.SY eess.SY
Synthesis of Distributed Control and Communication Schemes from Global LTL Specifications
Boston University（波士顿大学）
提出一种从全局线性时序逻辑(LTL)规范综合多智能体控制与通信策略的技术，通过并发理论检查规范可分布性，并利用LTL模型检验生成个体策略。
2011-09-06 cs.RO cs.SY eess.SY
Multi-robot Deployment From LTL Specifications with Reduced Communication
Technical University “Gheorghe Asachi” of Iasi（“格奥尔基·阿萨奇”雅西技术大学）；Boston University（波士顿大学）
提出一种分层框架，通过有限抽象、并行组合和运动规划，将全局LTL规范自动部署到多独轮车机器人团队，并重点设计算法减少执行阶段的机器人间通信。
2011-08-16 cs.RO cs.SY eess.SY
Formal Verification of Linear Temporal Logic Specifications Using Hybrid Zonotope-Based Reachability Analysis
本文提出用混合zonotope后向可达性分析构造时序逻辑树，以计算高效且能表示非凸、不相交几何形状的方式形式化验证自主系统的LTL规范。
2024-04-04 cs.LO cs.SY eess.SY
A Learning Based Approach to Control Synthesis of Markov Decision Processes for Linear Temporal Logic Specifications
University of California, Berkeley（加州大学伯克利分校）
本文提出通过构建产品马尔可夫决策过程来合成满足线性时序逻辑规范的控制器，利用学习理论技术处理未知转移概率的情况，并通过交通控制案例验证方法的有效性。
2014-09-18 cs.SY eess.SY
Stochastic Finite State Control of POMDPs with LTL Specifications
California Institute of Technology（加州理工学院）
部分可观测马尔可夫决策过程（POMDPs）为不确定性和不完美感知下的自主决策提供了一个建模框架，例如机器人操作和自动驾驶汽车。然而，POMDPs的最优控制是众所周知的棘手。本文考虑了POMDP的次优随机有限状态控制器（sFSC）的定量合成问题，使得满足线性时序逻辑（LTL）公式的一组高级规范的概率最大化。我们开始铸造后一个问题的优化和使用松弛的泊松方程和麦考密克信封的基础上。然后，我们提出了一个随机有界的政策迭代算法，导致sFSC的大小和任何时间的算法，其中控制器的性能提高与连续迭代的控制增长，但可以停止由用户基于时间或内存的考虑。我们说明了所提出的方法的机器人导航的案例研究。
2020-01-21 cs.AI cs.FL cs.RO
Decomposition of Multi-Agent Planning under Distributed Motion and Task LTL Specifications
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈中心，电气工程学院，皇家理工学院）；KTH Centre for Autonomous Systems（KTH自主系统中心）
本文提出一种高效的分布式多智能体规划方法，通过分阶段自动机构建解耦规划过程，解决中心化规划的计算复杂性问题，并通过实例验证其有效性。
2016-10-26 cs.SY eess.SY
Security-Aware Planning and Control of Multi-Agent Systems with LTL Tasks
Eindhoven University of Technology（埃因霍温理工大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出了一种安全构造的多智能体系统规划与控制框架，通过LTL规范保护敏感信息免受部分观察的被动入侵者侵害，确保任务执行的保密性。
2026-05-13 cs.SY eess.SY
An Input-Output Simulation Approach to Controlling Multi-AffineSystems for Linear Temporal Logic Specifications
提出一种基于输入-输出仿真的方法，通过状态空间矩形划分、矩形内控制律设计以及有限抽象迁移系统的构建，实现多仿射系统满足线性时序逻辑规范的控制综合。
2012-04-28 cs.SY eess.SY
Zonotope-based Symbolic Controller Synthesis for Linear Temporal Logic Specifications
Dalian University of Technology（大连理工大学）；UCLouvain（比利时鲁汶大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种基于zonotope的局部到全局控制策略，通过状态空间划分、接受路径验证和迭代符号综合，解决非线性系统在LTL规范下的控制器设计问题。
2024-05-02 cs.RO cs.SY eess.SY
Reactive and human-in-the-loop planning and control of multi-robot systems under LTL specifications in dynamic environments
Oxford University（牛津大学）；Bosch（博世）；KTH（瑞典皇家理工学院）
针对动态环境下满足 LTL 规范的多机器人系统，提出通信式在线冲突消解与无通信模型预测避碰方法，并设计人在回路混合主动控制器以保证安全与任务满足。
2023-07-12 cs.RO cs.SY eess.SY
Optimal Secure Control with Linear Temporal Logic Constraints
在逻辑约束下的信息物理系统的自动控制综合的先前工作主要集中在环境干扰或建模的不确定性，然而，故意和恶意攻击的影响研究较少。在本文中，我们考虑了一个离散时间动力系统与线性时序逻辑（LTL）的约束下，存在一个对手，这是建模为一个随机博弈。我们假设对手在选择攻击策略之前观察控制策略。我们研究两个问题。在第一个问题中，我们合成了一个鲁棒控制政策的随机博弈，最大限度地满足LTL约束的概率。提出了一种基于数值迭代的算法来计算最优控制策略。在第二个问题中，我们专注于一个子类的LTL约束，其中包括一个任意的LTL公式和不变的约束。然后，我们研究了计算控制策略的问题，该控制策略可以最大限度地减少违反不变约束的预期数量，同时最大限度地提高满足任意LTL约束的概率。我们所期望的控制策略的最优性条件的特征。提出了一种基于策略迭代的控制策略计算算法。我们说明了所提出的方法，使用两个数值案例研究。
2019-07-17 cs.SY eess.SY
Bounded Synthesis and Reinforcement Learning of Supervisors for Stochastic Discrete Event Systems with LTL Specifications
本文研究了线性时序逻辑规范下随机离散事件系统的监督控制问题。应用有界综合，我们减少了监督合成问题，满足一个安全条件。首先，我们考虑一个有向控制器的安全条件的综合问题。我们分配一个负的奖励不安全的状态，并引入一个预期收益与状态相关的折扣因子。我们使用动态规划方法计算一个获胜区域和具有最大满意概率的有向控制器，其中期望收益用作值函数。接下来，我们通过最优值函数构造一个许可监督器。我们表明，主管完成最大的满意度概率和最大限度地提高可达集内的获胜区域。最后，对于一个未知的SDES，我们提出了一个两阶段的无模型强化学习方法的有效学习的获胜区域和有向控制器的最大满意概率。我们还通过仿真证明了所提出的方法的有效性。
2022-04-09 cs.FL cs.SY eess.SY
Compressing Correct-by-Design Synthesis for Stochastic Homogeneous Multi-Agent Systems with Counting LTL
Eindhoven University of Technology（埃因霍温理工大学）
本文研究了基于计数线性时序逻辑(cLTL)的随机同质多智能体系统，通过确定性有限自动机(DFA)实现满足概率的结构化张量分解，并提出双树值迭代框架以提升计算效率。
2026-04-08 cs.SY eess.SY
Safeguarding Learning-based Control for Smart Energy Systems with Sampling Specifications
Fraunhofer IKS（弗劳恩霍夫智能感知系统研究所）
本文针对强化学习控制能源系统时的安全问题，将实时时序安全要求离散化为 LTL 规范，以支持安全强化学习的 shields 综合与形式化验证，并为原始安全要求提供概率下界。
2023-08-11 cs.LG cs.LO cs.SE
A Specification-Guided Framework for Temporal Logic Control of Nonlinear Systems
提出了一种基于线性时序逻辑（LTL）规范的非线性系统控制规范指导框架。与众所周知的基于抽象的方法相比，所提出的框架直接表征获胜集，即，通过单调算子在系统的连续状态空间上实现给定LTL公式的初始条件集。根据这一特征，提出了一种算法，通过自适应区间细分方案，产生一个有限的记忆控制策略，实际上近似的运营商。我们表明，该算法是健全的完整的LTL规格，和鲁棒完整的规格可识别的确定性Büchi自动机（DBA），后者在这个意义上说，控制策略可以找到只要给定的规格可以满足额外的有界干扰。该方法不需要DBA计算和存储抽象和生成的产品系统，具有更高的内存效率，复杂性分析和性能测试证明了这一点。一个预处理阶段也被设计来减少计算成本，通过分解的规格。我们表明，所提出的方法可以有效地解决现实世界的控制问题，如喷气发动机压缩机控制和运动规划的机械手和移动机器人。
2022-04-15 cs.SY eess.SY
Risk-Aware Autonomous Driving with Linear Temporal Logic Specifications
Department of Electrical Engineering, Eindhoven University of Technology（电子工程系，埃因霍温理工大学）；College of Engineering, Peking University（工程学院，北京大学）
本文提出一种基于线性时序逻辑规范的风险感知自动驾驶方法，通过扩展风险度量方法以涵盖更复杂的驾驶场景，结合线性规划解决控制合成问题，从而平衡碰撞风险和交通违规风险。
2026-03-05 cs.FL cs.RO cs.SY
End-to-End Abstraction-Based Control with LLM-Enhanced NL-to-LTL Translation
UCLouvain（瓦隆天主教大学）；University of Michigan（密歇根大学）；University of Oxford（牛津大学）
提出LLM增强的NL-to-LTL翻译管道，集成到ABCD框架中，并通过实验揭示翻译成功率与LTL公式复杂度的缩放规律。
2026-10-05 cs.SY eess.SY
Optimal Constrained sc-LTL Planning in MDPs via Switching Policies
University of Florida（佛罗里达大学）
针对MDP上带sc-LTL目标与安全约束的规划问题，提出归约为约束可达性问题的新方法，构造切换策略并通过线性规划求最优策略，经网格世界案例验证有效。
2026-08-06 cs.RO cs.SY eess.SY
Multi-Agent Planning under Local LTL Specifications and Event-Based Synchronization
School of Electrical Engineering, KTH Royal Institute of Technology（电气工程学院，皇家理工学院）
本文研究多智能体系统计划合成问题，通过分解为有限时间 horizon 的规划问题，提出基于事件的同步方法，以降低计算复杂度并保证规范最终满足。
2016-10-26 cs.SY eess.SY
Synthesis of Discounted-Reward Optimal Policies for Markov Decision Processes Under Linear Temporal Logic Specifications
针对一般线性时序逻辑（LTL）规范下的折扣马尔可夫决策过程，提出了一种寻找关于报酬函数的最优策略的方法。以前的工作要么集中在最大化有限持续时间任务下的累积奖励目标，由句法共同安全的LTL指定，要么最大化持久的平均奖励（例如，监视）任务。本文通过引入一对占用测度来分别表示LTL满意度目标和期望折扣奖励目标，扩展和推广了这些结果。这些占用措施，然后连接到一个单一的政策，通过一个新的减少导致在一个混合整数线性规划的解决方案提供了一个最佳的政策。我们的公式也可以扩展到包括额外的约束条件的二级奖励功能。我们说明了我们的方法的有效性，在机器人运动规划的背景下，复杂的任务不确定性和性能目标。
2021-03-22 cs.FL cs.SY eess.SY
Distributed motion coordination for multi-robot systems under LTL specifications
School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（瑞典皇家理工学院电气与计算机科学学院）
本文研究了一组移动机器人在共享工作空间中的在线运动协调问题，每个机器人都被分配了一个线性时序逻辑规范。基于每个机器人都受到状态和输入约束，只能有本地视图和本地信息的现实假设，提出了一种完全分布式的多机器人运动协调策略。对于每个机器人，运动协调策略由三层组成。离线层预先计算工作空间中每个区域的制动面积、受控过渡系统和所谓的势函数。初始化层输出初始安全满足的轨迹。在线协调层在冲突发生时解决冲突。在线协调层进一步分解为三个步骤。首先，实现了一种冲突检测算法，该算法检测与相邻机器人的冲突。每当冲突被检测到，一个规则的目的是动态分配一个规划顺序，每对相邻的机器人。最后，设计了一种基于采样的机器人局部无碰撞轨迹生成算法，保证了规划的可行性。事实证明，所有机器人的安全性随时都得到保证。通过两个算例验证了所得到的解的有效性和计算易处理性。
2021-03-16 cs.RO cs.SY eess.SY
Control Barrier Functions for Abstraction-Free Control Synthesis under Temporal Logic Constraints
时序逻辑已被广泛用于表示复杂的任务规格的信息物理系统（CPS）。在时序逻辑约束下综合CPS控制器的单向式方法之一是首先将CPS抽象为离散转换系统，然后应用形式化方法。然而，这种方法在计算上要求很高，并且由于维数灾难，其可扩展性受到影响。在本文中，我们提出了一个控制障碍函数（CBF）的方法，抽象自由控制综合下的线性时序逻辑（LTL）的约束。我们首先构造确定性拉宾自动机的规格和计算接受运行。然后，我们计算一个序列的LTL公式，其中每一个必须满足在特定的时间间隔，并证明，满足该序列的公式是足以满足LTL规格。最后，我们通过构造一个合适的CBF来计算满足每个公式的控制策略。我们提出了一个二次规划来计算控制器，并显示使用所提出的方法合成的控制器保证系统满足LTL规格，提供的二次规划是可行的，在每个时间步。数值算例研究表明，所提出的方法。
2020-07-28 cs.SY eess.SY
Interpretable Apprenticeship Learning with Temporal Logic Specifications
本文提出通过多目标优化从MDP中的行为轨迹推断LTL规范，采用违反成本概念设计状态和动作基于的目标函数，并通过遗传算法在简单领域验证方法有效性。
2017-10-28 cs.AI cs.LG cs.SY
Eventual Discounting Temporal Logic Counterfactual Experience Replay
Caltech（加州理工学院）；Penn State（宾夕法尼亚州立大学）；Latitude AI（Latitude人工智能公司）
线性时序逻辑（LTL）提供了一种简化的方式来指定策略优化的任务，否则可能难以用标量奖励函数来描述。然而，标准RL框架可能过于短视，无法找到最大限度的LTL满足政策。本文有两个贡献。首先，我们开发了一个新的价值函数为基础的代理，使用一种技术，我们称之为最终折扣，根据该技术可以找到满足LTL规范的政策，以最高的可实现概率。其次，我们开发了一种新的经验重放方法，通过反事实推理的不同方式来满足LTL规范，从政策上的推出生成政策外的数据。我们的实验，在离散和连续的状态-动作空间进行，证实了我们的反事实经验重放方法的有效性。
2023-03-03 cs.AI cs.LG cs.LO
Abstraction-Based Output-Feedback Control with State-Based Specifications
针对线性时间时序逻辑中基于状态谓词的规范，研究了非线性动力系统基于抽象的输出反馈控制器设计问题。在这种情况下，我们的贡献是双重的：（I）我们概括的反馈细化关系抽象为基础的输出反馈控制系统的任意谓词和观察地图，及（II）我们引入了一个新的算法的抽象输出反馈控制器的合成w.r.t.基于不可观测状态的谓词的LTL规范。我们的抽象为基础的输出反馈控制器综合算法包括两个步骤。首先，我们使用现有的技术计算一个有限的原始系统的状态抽象。这个过程通常会导致一个抽象的系统，不确定的谓词和观察图，不一定相互关联。其次，我们介绍了一种算法来计算这样的抽象系统的输出反馈控制器。我们的算法的灵感来自部分观测下的反应合成，并利用有界合成。
2021-04-22 cs.SY eess.SY
AP-observation Automata for Abstraction-based Verification of Continuous-time Systems (Extended Version)
本文针对连续时间系统在LTL规范下抽象验证信息丢失的挑战，提出将LTL转换为AP-观察自动机，并设计基于博弈的验证算法，通过示例展示了其有效性。
2025-09-10 cs.SY eess.SY
Towards Efficient Controller Synthesis Techniques for Logical LTL Games
本文将经典有限状态不动点算法扩展到符号逻辑 LTL 博弈，并在 GenSys-LTL 中实现，可计算最大获胜区域与最大宽容控制器，相对现有方法取得46.38倍加速。
2023-08-21 cs.FL cs.LO cs.SC
Patching Control Lyapunov Barrier Functions for Temporal Logic Specifications with Bounded Controls
Massachusetts Institute of Technology（麻省理工学院）；University of Waterloo（滑铁卢大学）；MacLean Engineering & Marketing Co. Limited（麦克林工程与营销有限公司）；Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
提出无抽象框架，结合LTL任务序列分解与控制李雅普诺夫障碍函数，通过修补获胜集实现带界控制输入的连续时间系统控制器综合。
2026-06-12 cs.SY eess.SY
To Explore or Not to Explore: Regret-Based LTL Planning in Partially-Known Environments
Shanghai Jiao Tong University（上海交通大学）；Michigan State University（密歇根州立大学）
本文针对部分已知环境中的LTL路径规划问题，提出以遗憾代替最坏情况代价作为优化度量，并给出求解最小遗憾最优计划的有效算法，通过消防机器人案例验证其适用性。
2024-01-17 cs.RO cs.SY eess.SY
Learning Linear Temporal Specifications from Demonstrations with Uncertainty
The Pennsylvania State University（宾夕法尼亚州立大学）；School of Electrical Engineering and Computer Science at The Pennsylvania State University（宾夕法尼亚州立大学电气工程与计算机科学学院）
研究从含不确定性的演示中学习线性时态规范，核心方法是通过汉明距离建模不确定性，围绕观察轨迹生成估计值并分组约束，主要贡献是所提方法能在不确定性下恢复更接近真实公式的规范，优于现有LTL学习方法。
2026-07-14 cs.AI cs.SY eess.SY
Cooperative Decentralized Multi-agent Control under Local LTL Tasks and Connectivity Constraints
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈中心，电气工程学院，皇家理工学院）；KTH Centre for Autonomous Systems（KTH自主系统中心）
本文提出一种去中心化控制框架，通过动态领导者-跟随者方案实现多智能体在局部LTL任务和通信约束下的协作，确保任务完成和连接性维持。
2014-05-08 cs.MA cs.SY eess.SY
SAGAS: Semantic-Aware Graph-Assisted Stitching for Offline Temporal Logic Planning
School of Automation and Intelligent Sensing（自动化与智能感知学院）
SAGAS结合符号合成的组成性和从离线轨迹学习的数据驱动可达结构，实现零样本泛化，无需任务特定奖励或在线交互。
2026-05-12 cs.RO cs.SY eess.SY
