Intermittent Control for Safe Long-Acting Insulin Intensification for Type 2 Diabetes: In-Silico Experiment
本文提出一种基于自适应滚动时域控制的基础胰岛素滴定策略，通过辨识葡萄糖-胰岛素空腹模型预测最优剂量，并在UVA虚拟实验室中验证其相比标准治疗能更快、更安全地实现血糖控制目标。
2023-09-17 cs.SY eess.SY
Towards Safe Autonomous Intersection Management: Temporal Logic-based Safety Filters for Vehicle Coordination
本文提出一种基于时序逻辑的安全过滤器，通过可达性分析为网联车辆计算安全时态走廊，在考虑决策不确定性的同时平衡交叉口安全与效率，并在模拟4向交叉口中验证了其实时性。
2024-08-27 cs.SY eess.SY
Monitor-Based Runtime Assurance for Temporal Logic Specifications
本文介绍了安全控制器的体系结构，作为一个运行时保证机制的系统规格表示为线性时序逻辑（LTL）的安全属性。安全控制器有三个基本组成部分：性能控制器、备用控制器和保证机制。保证机制使用一个监视器，构造为一个有限状态机（FSM），以分析一个建议的性能控制输入和搜索的系统轨迹是坏前缀的系统规范。来自保证机制的故障标志表示潜在危险的未来系统状态，并触发保证始终保持系统安全的输入序列。一个案例研究，详细介绍了一个非确定性的网络物理系统的安全控制器的建设和实施。
2019-08-08 cs.SY eess.SY
Formal Development of Safe Automated Driving using Differential Dynamic Logic
迄今为止，为自动驾驶（AD）系统的安全和正确行为提供令人信服的论据的挑战阻碍了其广泛的商业部署。传统的开发方法，如测试和仿真，受到非详尽分析的限制，因此不能保证在所有可能的情况下的正确性。形式化方法是一种使用系统模型来提供正确性的数学证明的方法，可以用来给出必要的参数。本文探讨了使用微分动态逻辑和演绎验证工具KeYmaera X在AD功能的发展。具体而言，正式模型和安全性证明的不同设计变体的决策和控制模块的车道内AD功能。在这样做时，必要的假设和不变的条件，以保证安全，并显示如何在开发过程中的需求细化和制定的操作设计域的分析帮助。此外，它示出了如何在所有允许的行为，不同的模型的性能进行了详尽的正式分析。
2022-04-14 cs.SY eess.SY
Ensuring Safety at Intelligent Intersections: Temporal Logic Meets Reachability Analysis
KTH Royal Institute of Technology（KTH皇家理工学院）；Integrated Transport Research Lab（综合交通研究实验室）；Digital Futures（数字未来（机构名））
提出融合线性时序逻辑、时序逻辑树与 Hamilton-Jacobi 可达性分析的智能交叉口安全框架，可自动验证新行为规范并保证冲突路径车辆安全。
2024-05-18 cs.RO cs.SY eess.SY
Now or Never: Continuous Surveillance AIoT System for Ephemeral Events in Intermittent Sensor Networks
Yonsei University（延世大学）
针对间歇性传感器网络因能量缓冲导致错过短暂关键事件的问题，提出能量感知弹性分割计算算法，通过动态卸载任务至能量充足的邻居节点，实现持续感知并捕获更多关键事件。
2025-12-30 cs.SY eess.SY
Safe and Optimal Learning from Preferences via Weighted Temporal Logic with Applications in Robotics and Formula 1
本文提出基于加权时间逻辑的安全最优偏好学习方法，应用于机器人与F1领域，通过结构修剪和对数转换提升安全性与效率。
2026-03-10 cs.RO cs.SY eess.SY
A Deontic Logic Analysis of Autonomous Systems' Safety
我们考虑了如何建模、验证和确保自主系统满足某些\textit{obligations}（如遵守交通法规的义务），并避免不允许的行为（如鲁莽地改变车道）的紧迫问题。时态逻辑在自治系统设计中被大量使用;然而，正如我们在这里所说明的，时态（alethic）逻辑单独用于自治系统的义务推理是不合适的。本文提出了使用支配行为功利主义（DAU），代理的道义逻辑，编码和自治系统的义务的原因。我们使用DAU来分析英特尔的责任敏感安全（RSS）提案，并将其作为真实案例研究。我们证明了DAU可以表达良构的RSS规则，正式派生这些规则的不良后果，说明如何DAU可以帮助设计系统，有特定的义务，以及如何模型检查DAU义务。
2020-09-01 cs.LO cs.SY eess.SY
Safe Reinforcement Learning with Probabilistic Guarantees Satisfying Temporal Logic Specifications in Continuous Action Spaces
Technical University of Munich（慕尼黑工业大学）；California Institute of Technology（加州理工学院）
针对连续动作空间中RL缺乏安全保证的问题，提出“概率验证—RL性能优化—再验证”的三步安全RL流程，并在动态障碍规避任务中验证其可兼顾高效学习与时序逻辑概率安全。
2023-09-28 cs.RO cs.SY eess.SY
Control Barrier Function for Linearizable Systems with High Relative Degrees from Signal Temporal Logics: A Reference Governor Approach
针对带STL任务的安全关键导航问题，提出ERG-guided CBF方法，将一阶CBF用于高阶可线性化系统以降低保守性，结合梯度法优化参数，经高低阶系统验证有效，提供避障安全保障。
2024-07-09 cs.SY eess.SY
Recurrent Neural Network Controllers for Signal Temporal Logic Specifications Subject to Safety Constraints
Boston University（波士顿大学）
我们提出了一个框架，基于递归神经网络（RNNs），以确定一个离散时间系统，需要满足规格的信号时序逻辑（STL）公式的最佳控制策略。RNN可以存储系统随时间变化的信息，因此，使我们能够确定STL公式中指定的动态时间要求的满足情况。给定一个STL公式，一个满足系统执行的数据集和相应的控制策略，我们可以使用RNN根据系统的当前和以前的状态预测每次的控制策略。我们使用控制障碍函数（CBF）来保证预测控制策略的安全性。我们验证了我们的理论公式，并通过仿真证明了其性能的最优控制问题的部分未知的安全约束。
2020-09-24 cs.LG cs.SY eess.SY
Safe Schedule Verification for Urban Air Mobility Networks with Node Closures
在城市空中机动性（UAM）网络中，起飞和着陆点（称为垂直起降场）可能会经历间歇性关闭，例如，恶劣的天气为了确保安全，UAM网络中的所有飞行中的城市飞行器（UAV）必须具有在垂直起降场关闭的情况下具有足够着陆能力的替代着陆场。在本文中，我们研究的问题，在面对垂直机场关闭的UAM时间表的安全验证。我们首先为给定的UAM时间表提供安全的必要和充分条件，即如果发生垂直起降场关闭，那么所有无人机将能够安全地降落在备用着陆场。接下来，我们利用完全么模矩阵的性质，将这些条件转换为通过线性规划验证UAM调度安全性的有效算法。我们的算法允许不确定的旅行时间之间的UAM垂直和规模二次与预定的无人机的数量。我们展示了我们的算法上的UAM网络多达1,000无人机。
2022-06-27 cs.SY eess.SY
Temporal Logic Guided Safe Navigation for Autonomous Vehicles
Clemson University（克莱姆森大学）
本文提出结合LTL和STL的混合方法，通过符号路径规划与MILP求解生成安全轨迹和最优控制，在复杂场景中兼顾安全与计算效率。
2025-01-23 cs.FL cs.RO cs.SY
On How to Not Prove Faulty Controllers Safe in Differential Dynamic Logic
网络物理系统通常是安全关键的，其正确性至关重要，就像自动驾驶一样。使用形式化的数学方法是保证正确性的单向式。虽然这些方法已经显示出它们的有用性，但必须小心，因为建模误差可能导致证明有故障的控制器是安全的，这在实践中可能是灾难性的。本文讨论了微分动态逻辑中的两个这样的建模错误。微分动态逻辑是混杂系统的形式化描述和验证语言，混杂系统是信息物理系统的数学模型。主要的贡献是证明条件，当满足时，这两个建模误差不能导致故障控制器被证明是安全的。的问题说明了一个现实世界的例子，自动驾驶的安全控制器，它表明，制定的条件有预期的效果，一个错误的和正确的控制器。它还示出了如何制定的条件，帮助找到一个循环不变的候选人证明性能的混杂系统与反馈回路。使用交互式定理证明器KeYmaera X证明结果。
2022-07-12 cs.FL cs.SY eess.SY
Safe Model-based Control from Signal Temporal Logic Specifications Using Recurrent Neural Networks
Boston University（波士顿大学）；Commonwealth School（联邦学校）
我们提出了一种策略搜索方法来学习控制器的信号时序逻辑（STL）公式的规格。系统模型是未知的，但假设是仿射控制系统，与控制策略一起学习。该模型被实现为两个前馈神经网络（FNN）-一个用于漂移，一个用于控制方向。为了捕获STL规范的历史依赖，我们使用递归神经网络（RNN）来实现控制策略。与流行的无模型方法相比，本文提出的学习方法利用了学习模型，并且更有效。我们使用控制障碍函数（CBF）与学习模型，以提高系统的安全性。我们通过仿真和实验验证了我们的算法。实验结果表明，该方法在很短的系统运行时间内就能满足给定的控制要求，可用于在线控制。
2023-03-03 cs.LG cs.SY eess.SY
Safety-aware Model Predictive Path Integral Control with Signal Temporal Logic
University of Southern California（南加州大学）；University of Michigan（密歇根大学）；Toyota Motor North America R&D（丰田北美研发中心）；ETH Zürich（苏黎世联邦理工学院）
本文提出safety-aware-stl-mppi框架，将STL公式编码为CBF并集成到MPPI控制器，经火星车与四旋翼实验验证，可在复杂约束下实现高安全与效率的运动规划。
2026-08-26 cs.RO cs.SY eess.SY
Optimal Planning and Control under Signal Temporal Logic Specifications
Dalian University of Technology（大连理工大学）
本文研究非线性系统在信号时序逻辑规范下的规划与控制问题，通过分解任务生成局部路径并构造安全走廊，最终求解优化问题以获得满足规范的轨迹。
2026-04-27 cs.SY eess.SY
Bellman Value Decomposition for Task Logic in Safe Optimal Control
UCSD（加州大学圣地亚哥分校）；MIT（麻省理工学院）
本文提出通过贝尔曼值的结构分解来优化高维任务中的安全性和性能，引入新的贝尔曼方程并提出VDPPO算法，通过神经网络实现隐含依赖的 bootstrap，验证了在复杂任务中的有效性。
2026-05-13 cs.RO cs.SY eess.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
Reactive Temporal Logic-based Planning and Control for Interactive Robotic Tasks
University of Pennsylvania（宾夕法尼亚大学）；University of Southern California（南加州大学）
本文提出一种模块化控制架构，将反应式时序逻辑任务规划与基于动力系统的运动规划相结合，并利用控制李雅普诺夫函数和控制屏障函数，使Franka机器人在人机交互擦拭任务中兼具形式化安全保证与在线适应能力。
2024-04-30 cs.RO cs.SY eess.SY
Introducing Liveness into Multi-lane Spatial Logic lane change controllers using UPPAAL
University of Oldenburg（奥尔登堡大学）
本文基于多车道空间逻辑（MLSL）设计了安全车道变换控制器，并利用UPPAAAL验证其安全性，同时检测并修正原控制器的非活性行为，最终验证新控制器的活性。
2018-04-12 cs.LO cs.SY eess.SY
Safety Verification of Stochastic Systems under Signal Temporal Logic Specifications
研究随机系统在信号时序逻辑规范下的验证问题，提出STL侵蚀策略，将概率验证转化为更严格的确定性验证，可与现有算法无缝集成，数值实验验证了其有效性。
2025-02-11 cs.FL cs.LO cs.SY
Combinatorial Control Barrier Functions: Nested Boolean and p-choose-r Compositions of Safety Constraints
California Institute of Technology（加州理工学院）；University of Michigan（密歇根大学）；Wichita State University（威奇托州立大学）
本文提出组合控制障碍函数框架，用于处理安全约束的嵌套布尔和p-choose-r组合，通过可扩展的方式确保系统安全性。
2025-12-19 cs.SY eess.SY math.OC
A Subjective-Logic-based Reliability Estimation Mechanism for Cooperative Information with Application to IV's Safety
Ulm University（乌尔姆大学）；Robert Bosch GmbH（罗伯特·博世有限公司）
本文提出基于主观逻辑理论的协作信息可靠性估计方法，通过融合多个信息源的可靠性线索，实现对车辆协作信息可靠性的统计稳健估计，从而提高智能车辆的安全性。
2019-05-22 cs.MA cs.SY eess.SP
Safe Planning through Incremental Decomposition of Signal Temporal Logic Specifications
Carnegie Mellon University（卡内基梅隆大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出通过时间分解信号时态逻辑规范为可达性和不变性约束并顺序调度，以提升轨迹规划效率，在线性和非线性系统上优于现有方法。
2024-03-19 cs.LO cs.RO cs.SY
Cautious Reinforcement Learning with Logical Constraints
University of Oxford（牛津大学）
本文提出了一种自适应安全填充的概念，它迫使强化学习（RL）在学习过程中确保安全的同时合成最优控制策略。策略被合成以满足一个目标，表示为一个时序逻辑公式，具有最大的概率。强制RL代理在学习过程中保持安全可能会限制探索，但是我们表明，所提出的架构能够自动处理探索的有效进展（实现目标满意度）和确保安全性之间的权衡。理论上的保证是可利用的最优性的综合政策和学习算法的收敛性。实验结果显示了所提出的方法的性能。
2020-03-21 cs.AI cs.LG cs.LO
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
Precision on Demand: Propositional Logic for Event-Trigger Threshold Regulation
该研究提出基于命题逻辑定量语义的事件触发阈值调节机制，利用PL表达能力精准规范ETT，并通过车辆队列场景验证，在保持安全条件下可减少41.8 - 96.3%的触发事件。
2025-02-11 cs.LO cs.SY eess.SY
Provably Safe Neural Network Controllers via Differential Dynamic Logic
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；DePaul University（德保罗大学）；Carnegie Mellon University（卡内基梅隆大学）
提出VerSAILLE和Mosaic方法，结合微分动态逻辑与神经网络验证，实现无限时间安全性的可证明保证，并在基准上显著优于现有工具。
2024-10-24 cs.AI cs.LG cs.LO
Safe Control under Uncertainty
UC Berkeley（加州大学伯克利分校）；Microsoft Research（微软研究院）
本文提出Probabilistic Signal Temporal Logic（PrSTL）用于定义随机属性并确保概率保证，通过该逻辑合成安全控制器，应用于四旋翼和自动驾驶车辆等案例。
2015-10-25 cs.AI cs.LO cs.RO
Joint Learning of Policy with Unknown Temporal Constraints for Safe Reinforcement Learning
West Virginia University（西弗吉尼亚大学）；Rochester Institute of Technology（罗切斯特理工学院）
针对强化学习安全约束未知或未明确定义的问题，提出联合学习安全约束与最优策略的框架，结合逻辑约束RL与进化算法合成STL规范，有收敛性与误差界理论保证，网格世界实验验证有效。
2023-04-30 cs.LG 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
Formal Verification of a Fail-Operational Automotive Driving System
用于高度自动化驾驶的故障操作系统即使在出现故障的情况下也必须完成驾驶任务。这需要冗余架构和在故障情况下重新配置系统的机制。因此，使用仲裁逻辑。为了功能安全，必须在出现任何电气和电子故障的情况下切换到回退水平。为了提供符合ISO 26262的安全论证证据，必须验证仲裁逻辑。验证过程提供了正确故障反应的确认，并且没有非预期的系统状态。传统的安全分析，如失效模式和效应分析，在这方面有其局限性。我们提出了一种基于形式化验证的分析方法，特别是模型检验，以验证驱动系统的故障操作行为。出于这个原因，我们对系统行为和相关架构进行建模，并正式指定安全需求。分析范围根据ISO 26262的要求定义。我们验证了符合行业标准的高度自动化驾驶的故障操作仲裁逻辑。我们的研究结果表明，在汽车故障操作驾驶系统的安全评估的正式方法可以成功地应用。我们能够检测到其他分析所忽略的故障，从而有助于安全关键功能的开发。
2021-01-18 cs.SE cs.SY eess.SY
Synthesizing Switching Logic to Minimize Long-Run Cost
UC Berkeley（加州大学伯克利分校）；SRI International（国际SRI研究所）
针对多模态动力系统，提出一种通过将合成问题转化为无约束数值优化问题来自动生成切换逻辑的方法，以最小化系统长期运行成本。
2011-05-05 cs.SY eess.SY math.OC
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
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
Scalable Integrated Task and Motion Planning from Signal Temporal Logic Specifications
University of Notre Dame（圣母大学）
本文提出了一种可扩展且可证明完整的算法，直接合成连续轨迹以满足非凸的信号时序逻辑规范，通过分离离散任务规划和连续运动规划，并利用高效的求解器找到高维系统中满足非凸STL规范的动态可行轨迹。
2018-10-20 cs.RO cs.SY eess.SY
Automatic Trajectory Synthesis for Real-Time Temporal Logic
University of Notre Dame（圣母大学）
许多安全关键型系统必须在保证安全性和正确性的情况下实现高级任务规范。最近的进展已经取得了这一目标，通过控制器的时序逻辑规范的合成。然而，现有的方法仅限于相对简短和简单的规格。此外，现有的方法要么考虑一些事先离散化的状态空间，只处理一个凸的时间逻辑片段，或不证明完整。我们提出了一个可扩展的，可证明完整的算法，合成连续的轨迹，以满足非凸\gls*{rtl}规范。我们分离离散任务规划和连续运动规划的飞行和利用高效的布尔可满足性（SAT）和\gls*{lp}求解器找到动态可行的轨迹，满足非凸\gls*{rtl}规格的高维系统。所提出的设计算法被证明是健全和完整的，仿真结果表明我们的方法的可扩展性。
2020-09-14 cs.FL cs.RO cs.SY
Probabilistically Safe Control of Noisy Dubins Vehicles
Boston University（波士顿大学）
针对噪声Dubins车辆，通过马尔可夫决策过程（MDP）和概率计算树逻辑（PCTL）最大化满足时序逻辑规约的概率，并保证原环境中的满足概率有下界。
2012-07-05 cs.RO 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
LogicGuard: Improving Embodied LLM agents through Temporal Logic based Critics
Department of Mechanical Engineering, University of California at Santa Barbara（加州大学圣芭芭拉分校机械工程系）；Department of Electrical and Computer Engineering, Michigan State University（密歇根州立大学电气与计算机工程系）
LogicGuard 提出一种模块化演员-评论家架构，利用 LLM 评论家通过线性时序逻辑生成约束来引导 LLM 演员，从而在长时程规划任务中提升具身智能体的可靠性、效率与安全性。
2025-09-23 cs.AI cs.CL cs.LG
On the Stability and Realizability of Recurrent Polynomial Surrogate Ternary Logic Gate Networks
University of Maryland, College Park, USA（马里兰大学学院公园分校）
提出R-DTLGN架构，通过连续多项式代理训练并硬化为离散三元逻辑电路，结合数值单调和信息单调门，实现STL监控中的稳定递归和原则性弃权，并由STL公式确定网络规模。
2026-05-23 cs.AI cs.LG cs.LO
