Dynamic Bayesian Networks as Formal Abstractions of Structured Stochastic Processes
Max Planck Institute for Software Systems (MPI-SWS)(马克斯·普朗克软件系统研究所);Department of Computer Science, University of Oxford(牛津大学计算机科学系)
本文提出通过动态贝叶斯网络对离散时间马尔可夫过程进行抽象,以提高效率,同时提供误差界和更精确的抽象方法。
2015-07-02 cs.SY eess.SY
Beyond Interval MDPs: Tight and Efficient Abstractions of Stochastic Systems
本文提出MI-MDP和SMDP两种更紧致的随机系统有限抽象框架,证明其概率保证优于IMDP,并通过实验验证SMDP在紧致性、内存和计算时间上具有更优综合性能。
2025-07-03 cs.SY eess.SY
Symbolic Abstractions with Guarantees: A Data-Driven Divide-and-Conquer Strategy
本文提出一种数据驱动的分治策略,为未知数学模型的互联控制网络构建符号抽象,利用交替互模拟函数和组合条件,在室温网络上验证了其在形式化验证和控制器合成中的有效性。
2023-09-14 cs.SY eess.SY
Data-Driven Abstractions for Control Systems via Random Exploration
提出基于采样有限长度轨迹的数据驱动符号抽象构建方法,定义概率交替模拟并利用场景理论提供PAC保证,确保抽象包含具体系统所有行为且适用于任意长时间范围的控制器设计,经数值基准验证有效。
2024-09-26 cs.FL cs.SY eess.SY
Data-driven Abstractions for Verification of Deterministic Systems
验证动力系统复杂逻辑规范的一种常用技术是构造符号抽象:更简单的有限状态模型,其行为模仿感兴趣的系统之一。通常,抽象是利用底层模型的准确知识来构建的:在现实生活中的应用程序中,这可能是一个代价高昂的假设。通过对未知系统的随机$\ell$步轨迹进行采样,建立了基于$\ell$ -完备性概念的抽象.我们新定义的概率行为包含的概念,并提供可能近似正确(PAC)的保证,这种抽象包括所有行为的具体系统,有限和无限的时间范围内,利用场景理论的非凸问题。然后,我们的方法进行了测试,在几个数值基准。
2023-03-29 cs.LO cs.SY eess.SY
Automata-based Controller Synthesis for Stochastic Systems: A Game Framework via Approximate Probabilistic Relations
在这项工作中,我们提出了一个抽象和细化方法的控制器合成的离散时间随机系统,以执行复杂的逻辑属性表示的确定性有限自动机(又名。DFA)。我们提出的计划是基于所谓的$(ε,δ)$ -近似概率关系的概念,允许一个量化的离散时间随机游戏和相应的有限抽象建模的随机系统之间的相似性。利用这种类型的关系,满足所需规格的概率的下限可以很好地确保通过精炼控制器合成的抽象系统的原始游戏。此外,我们提出了一个算法程序来构建这样的关系,为一类特殊的非线性随机系统的斜率限制的非线性。四旋翼机的例子证明了所提出的方法,结果表明,所需的下限的满意概率是有保证的。
2022-09-05 cs.SY eess.SY
MDP Abstractions from Data: Large-Scale Stochastic Networks
本文提出一种组合式数据驱动技术,利用随机存储函数和耗散性条件,为未知大规模随机网络构建有限MDP,并量化网络与其MDP轨迹间的概率距离。
2023-09-14 cs.SY eess.SY
Counterexample-guided Abstraction Refinement for POMDPs
University of Notre Dame(圣母大学)
本文提出针对POMDPs的反例引导抽象细化方法,设计了新的抽象系统模型和模拟关系,并开发了新的细化算法,以实现POMDPs的验证。
2017-03-10 cs.LO cs.SY eess.SY
Constructing MDP Abstractions Using Data with Formal Guarantees
本文研究了一种数据驱动的方法,用于构造具有未知动态的离散随机控制系统的有限马尔可夫决策过程(MDP),同时提供形式上的封闭性保证。该方案是基于随机互模拟函数(SBF)的概念来捕捉一个未知的随机系统和有限MDP的状态轨迹之间的概率距离。在我们提出的设置中,我们首先将SBF的相应条件重新表述为鲁棒凸规划(RCP)。然后,我们提出了一个场景凸规划(SCP)相关联的原始RCP通过收集有限数量的数据从轨迹的系统。通过建立SCP和RCP的最优值之间的概率关系,我们最终在给定置信水平下构建了数据驱动的有限MDP和未知随机系统之间的SBF。我们还提出了两种不同的方法,从数据的有限MDP的建设。我们说明了我们的研究结果的有效性在一个非线性的喷气发动机压气机与未知的动态。我们构建了一个数据驱动的有限MDP作为一个合适的替代原系统的合成控制器保持系统在一个安全的集合,具有一定的满意度和期望的置信水平的概率。
2022-06-29 cs.SY eess.SY
Probabilistic Verification for Reliability of a Two-by-Two Network-on-Chip System
由于工艺和环境的变化,现代片上网络(NoC)系统面临着可靠性问题。NoC供电网络中的电源噪声(PSN)在确定可靠性方面起着关键作用。PSN导致电压下降,这可能导致NoC中的定时误差。本文对NoC系统中PSN的形式化分析做出了新的贡献。我们提出了一种概率模型检验的方法来观察PSN在一个通用的2x2网状片上网络具有均匀的随机流量负载。PSN的主要特征是在行为层面上测量的。为了解决状态爆炸,我们采用增量抽象技术,包括一种新的概率选择抽象,基于NoC行为的观察。Modest工具集用于概率建模和验证。结果得到几个微片注入模式,以揭示其对PSN的影响。我们的分析发现了一个最佳的微片模式生成PSN事件的概率为零,并建议分散微片,而不是释放他们在连续的周期,以尽量减少PSN。
2021-05-28 cs.NI cs.SY eess.SY
Data-Driven Abstraction and Synthesis for Stochastic Systems with Unknown Dynamics
本文提出一种数据驱动方法,仅利用带噪声观测数据和Lipschitz常数上界构建区间MDP抽象,从而以预定义置信度综合满足概率时序性质的控制策略。
2025-09-02 cs.SY eess.SY
Symbolic control of stochastic systems via approximately bisimilar finite abstractions
Delft University of Technology(代尔夫特理工大学);ETH Zürich(苏黎世联邦理工学院);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
针对受控随机微分方程建模的随机系统,利用增量输入-状态稳定的概率变体,构建ε-近似互模拟(矩意义下)的有限状态转移系统,并基于线性时序逻辑实现控制器自动综合。
2013-02-15 cs.SY eess.SY math.OC
Compositional Abstractions of Interconnected Discrete-Time Stochastic Control Systems
Technical University of Munich(慕尼黑工业大学);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
本文提出一种组合方法,用于构建互联离散时间随机控制系统的抽象。通过新的随机模拟函数概念,量化原始系统与抽象系统的概率距离,从而进行分析与综合。
2017-09-29 cs.SY eess.SY
Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions
Radboud University(拉德堡德大学);University of Oxford(牛津大学);University of Kentucky(肯塔基大学);University of Twente(特文特大学)
动力系统的控制器,在安全关键设置必须考虑随机干扰。这样的干扰通常被建模为动力系统中的过程噪声,并且常见的假设是基础分布是已知的和/或高斯分布。然而,在实践中,这些假设可能是不切实际的,并且可能导致真实噪声分布的差的近似。我们提出了一种新的控制器合成方法,不依赖于任何显式表示的噪声分布。特别是,我们解决的问题,计算控制器,提供概率保证安全到达目标,同时也避免不安全的区域的状态空间。首先,我们将连续控制系统抽象为有限状态模型,该模型通过离散状态之间的概率转换来捕获噪声。作为一个关键的贡献,我们适应工具的情况下的方法来计算可能近似正确(PAC)的界限,这些转移概率的基础上,有限数量的样本的噪声。我们捕获这些边界的转移概率区间的所谓的间隔马尔可夫决策过程(iMDP)。该iMDP具有用户指定的置信概率,对转移概率中的不确定性具有鲁棒性,并且可以通过样本的数量来控制概率区间的紧密度。我们使用国家的最先进的验证技术,以提供保证的iMDP和计算控制器,这些保证结转到原来的控制系统。此外,我们开发了一个量身定制的计算方案,降低了这些保证的iMDP的合成的复杂性。对实际控制系统的基准测试表明,即使iMDP具有数亿次转换,我们的方法也具有实用性。
2023-01-04 cs.AI cs.SY eess.SY
Compositional Construction of Infinite Abstractions for Networks of Stochastic Control Systems
Technical University of Munich(慕尼黑工业大学);Newcastle University(纽卡斯尔大学);University of Colorado Boulder(科罗拉多大学博尔德分校);Ludwig Maximilian University of Munich(慕尼黑大学)
本文提出了一种组合方法,用于构建互联离散时间随机控制系统的无限抽象,通过引入新的随机存储函数概念,利用子系统的互联矩阵和联合耗散性性质,量化随机控制系统与抽象系统的概率距离,并通过计算方案构造抽象系统及其对应的随机存储函数,同时展示了如何将抽象系统的策略细化为原始系统的策略并保证满足概率。
2019-05-09 cs.SY eess.SY
Compositional Construction of Finite MDPs for Continuous-Time Stochastic Systems: A Dissipativity Approach
本文提出了一种基于耗散性方法的连续时间连续空间随机控制系统有限抽象的合成方案。建议的框架享有的互连拓扑结构,并采用随机存储功能的概念,描述联合耗散型属性的子系统和它们的抽象。通过利用这些随机存储函数,可以建立连续时间连续空间随机系统和它们的有限对应系统之间的关系,同时量化它们的输出轨迹之间的概率距离。因此,可以采用有限系统作为一个适当的替代的连续时间的控制器设计过程中,有保证的误差界。在这方面,我们首先利用耗散型组合条件的连续时间连续空间随机系统的互连和离散时间(有限或无限)的抽象之间的距离的组合量化。然后,我们考虑一类特定的随机仿射系统,并构建其有限的抽象与相应的随机存储功能。所提出的结果的有效性证明了将它们应用到一个包含100个房间的圆形网络的温度调节和组成构建一个离散时间的抽象从其原始的连续时间动态。构造的离散时间抽象,然后利用作为替代成分合成政策保持每个房间的温度在一个舒适区。
2020-05-05 cs.SY eess.SY
Formal Control for Uncertain Systems via Contract-Based Probabilistic Surrogates (Extended Version)
Newcastle University(新castle大学);Eindhoven University of Technology(埃因霍温理工大学);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
针对不确定随机系统,提出基于契约概率代理的抽象技术,消除误差界直接计算,提升可扩展性,并在高维车辆交叉口案例中验证了无限时域时序逻辑保证。
2025-06-20 cs.AI cs.MA cs.SY
Data-Driven Synthesis of Symbolic Abstractions with Guaranteed Confidence
在这项工作中,我们提出了一种数据驱动的方法来构建有限的抽象(又名,符号模型)的离散时间确定性控制系统与未知的动态。我们利用所谓的交替互模拟函数(ABF)的概念,作为每个未知系统和它的符号模型之间的关系,量化两个系统的状态行为之间的不匹配。因此,可以使用我们提出的结果进行正式的验证和综合符号模型,然后进行结果回到未知的原始系统。在我们的数据驱动设置中,我们首先将构建ABF所需的条件转换为鲁棒优化程序(ROP)。由于ROP的约束中存在未知模型,求解所提供的ROP是不容易的。为了解决这个困难,我们收集有限数量的数据从未知系统的轨迹,并提出了一个场景优化程序(SOP)对应于原来的ROP。通过建立SOP和ROP的最优值之间的概率关系,我们正式构造ABF未知系统和它们的符号模型的基础上的数据的数量和所需的置信水平。我们验证了我们的数据驱动的结果的有效性在两个物理案例研究与未知的模型,包括(i)直流电机和(ii)非线性喷气发动机压缩机。我们从数据中构建符号模型,作为原始系统的适当替代品,并在无限时间范围内以一定的置信水平将未知系统的状态保持在一个安全的集合中。
2022-06-19 cs.SY eess.SY
StocHy: automated verification and synthesis of stochastic processes
StocHy是一个用于离散时间随机混合系统定量分析的软件工具,支持模拟、形式化验证与控制策略综合,通过模块化设计与C++实现,在精度、计算效率及大规模模型可扩展性上显著优于现有工具。
2019-01-29 cs.SY eess.SY
Data-Driven Synthesis of Probabilistic Controlled Invariant Sets for Linear MDPs
Graduate School of Engineering, The University of Osaka(大阪大学大学院工学研究科);Department of Electrical and Electronic Engineering, Imperial College London(帝国理工学院电气电子工程系);Graduate School of Informatics, Osaka Metropolitan University(大阪公立大学大学院信息学研究科)
本文研究了在未知动态下数据驱动计算安全关键强化学习中的概率受控不变集,通过正则化最小二乘和自归一化置信区间构建保守估计,用于连续状态空间中的安全区域保持,并在实际防护架构中进行迭代更新。
2026-04-03 cs.SY eess.SY
Verification and Control of Partially Observable Probabilistic Real-Time Systems
School of Computing Science, University of Glasgow(格拉斯哥大学计算科学学院);School of Computer Science, University of Birmingham(伯明翰大学计算机学院);Department of Computer Science, University of York(约克大学计算机科学系)
本文提出自动技术用于验证和控制部分可观测概率实时系统,通过扩展概率时序自动机并引入概率时序逻辑,结合整数离散化和网格抽象方法,实现对不确定信念空间的近似处理,并通过PRISM工具验证了其在计算机安全和任务调度中的有效性。
2015-06-23 cs.LO cs.SY eess.SY
LTL Control in Uncertain Environments with Probabilistic Satisfaction Guarantees
Boston University(波士顿大学);University of Waterloo(滑铁卢大学)
提出一种最大化任务完成概率的机器人控制策略生成方法,任务由线性时序逻辑公式描述,通过将问题转化为马尔可夫决策过程的最优策略求解,并利用概率模型检验技术给出完整解决方案。
2011-04-07 cs.RO cs.SY eess.SY