Arithmetic-Geometric Mean Robustness for Control from Signal Temporal Logic Specifications
Boston University（波士顿大学）；Massachusetts Institute of Technology（麻省理工学院）
我们提出了一个新的基于平均的鲁棒性得分信号时序逻辑（STL）和STL约束下的动态系统的最优控制的框架。通过对不同时间点的不同规格或子公式的得分进行平均，我们的新定义突出了满意度的频率，以及每个规格在每个时间点得到满足的稳健程度。我们表明，这个定义提供了一个更好的分数如何满足规范。它的有用性，在监测和控制综合问题，通过案例研究说明。
2019-03-12 cs.RO
Multi-agent Motion Planning from Signal Temporal Logic Specifications
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Massachusetts Institute of Technology（麻省理工学院）
我们解决了具有挑战性的问题，多智能体合作运动规划的复杂任务，使用信号时序逻辑（STL），机器人可以有非线性和非完整动力学。多智能体运动规划中的现有方法，特别是基于离散抽象和模型预测控制（MPC）的那些方法，在任务的复杂性、工作空间的大小和规划范围方面遭受有限的可扩展性。针对这一问题，提出了一种基于{ \em定时航路点\/}的方法。我们发现，定时路点可以帮助抽象的非线性行为的系统作为安全信封周围的参考路径定义的这些路点。然后搜索满足STL规范的航路点可以归纳编码为一个混合整数线性规划。智能体按照合成的定时航路点自动分配任务，并保证满足STL规范，同时避免冲突。我们评估的算法在各种各样的基准。结果表明，它支持多智能体规划从复杂的规格在长期的规划视野，并显着优于国家的最先进的抽象为基础的和基于MPC的运动规划方法。该实现可在https://github.com/sundw2014/STLPlanning上获得。
2022-01-13 cs.MA cs.RO cs.SY
Optimal Control Synthesis with Relaxed Global Temporal Logic Specifications for Homogeneous Multi-robot Teams
Lehigh University（利哈伊大学）
本文研究同构多机器人团队在全局时序逻辑规约不可行时的控制综合问题，提出结合加权有限状态编辑系统与MILP的优化方法，在捕获松弛代价的同时避免状态空间爆炸，高效实现任务松弛与控制综合。
2024-06-03 cs.RO
Exact Smooth Reformulations for Trajectory Optimization Under Signal Temporal Logic Specifications
Division of Robotics, Perception and Learning, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（机器人、感知与学习 division，电气工程与计算机科学学院，皇家理工学院）
本文针对信号时序逻辑规范下的运动规划问题，提出一种基于max/min算子精确重构的轨迹优化方法，实现无近似误差的可微求解，并通过数值仿真验证其有效性与实用性。
2025-11-10 cs.RO
Qualitative Analysis of POMDPs with Temporal Logic Specifications for Robotics Applications
IST Austria (Institute of Science and Technology Austria)（奥地利科学技术研究所）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）
我们认为部分可观察马尔可夫决策过程（POMDPs），这是一个标准的框架，机器人应用程序来模拟现实世界中存在的不确定性，与时间逻辑规范。线性时间时序逻辑（LTL）中的所有时序逻辑规范都可以表示为奇偶目标。我们研究的定性分析问题POMDPs奇偶目标，要求是否有一个控制器（政策），以确保目标持有概率1（几乎肯定）。虽然定性分析POMDPs与奇偶校验目标是不可判定的，最近的结果表明，当限制到有限的内存政策的问题是EXPTIME完成。虽然这个问题在理论上是棘手的，我们提出了一个实用的方法来解决定性分析问题。我们设计了几种算法来处理指数复杂度，并在机器人应用程序的一些著名POMDP示例上使用了我们的实现。我们的研究结果提供了第一个实用的方法来解决定性分析的机器人运动规划与LTL属性存在的不确定性。
2015-02-18 cs.LO cs.RO
MT* : Multi-Robot Path Planning for Temporal Logic Specifications
SAP Labs, India（思爱普实验室（印度））；IIT Kanpur, India（印度坎普尔理工学院）
我们解决的路径规划问题，一队机器人满足一个复杂的高层次的任务规范的形式的线性时序逻辑（LTL）公式。针对此问题的最新方法采用自动机理论的模型检验技术来解决此问题。这种方法涉及计算的产品图的Buchi自动机产生的LTL规范和一个联合过渡系统，它捕获的集体运动的机器人，然后使用Dijkstra的最短路径算法计算的最短路径。我们提出MT*，算法，减少了计算负担，为多机器人系统产生这样的计划显着。我们的方法生成一个简化版本的产品图，而不计算完整的联合过渡系统，这是计算昂贵的。然后，它将完整的任务规范划分给参与的机器人，并独立地生成各个机器人的轨迹。我们的方法在计算时间方面比最先进的方法有很大的加速，与最先进的方法不同，它可以很好地随机器人的数量和工作空间的大小而扩展
2021-03-04 cs.RO
Motion Planning Under Temporal Logic Specifications In Semantically Unknown Environments
Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学）
本文针对语义标签概率未知的环境，提出一种基于乘积自动机与值迭代在线重规划的自动机理论方法，用于实现scLTL时空逻辑任务，并通过理论与实验验证其有效性。
2025-11-05 cs.RO
Physics-based Motion Planning with Temporal Logic Specifications
Institute of Industrial and Control Engineering (IOC), Universitat Politècnica de Catalunya (UPC) – Barcelona Tech（加泰罗尼亚理工大学工业与控制工程研究所）
当今机器人技术的主要焦点之一是为机器人提供高度的自主性。在这个方向上的一个基本步骤是让他们能够在离散和连续的空间中进行规划，以找到完成复杂任务所需的运动。在这条线上，最近的一些方法描述的任务与线性时序逻辑（LTL）和离散动作的原因，以指导基于采样的运动规划，目的是找到动态可行的运动，满足时序逻辑任务规范。本论文提出了一种LTL规划方法，一方面，使用本体来描述和推理的任务，增强，并包括基于物理的运动规划，以允许有目的地操纵的对象，另一方面。该建议已被实施，并说明了教学的例子与移动机器人在简单的情况下，一些目标被占用的对象，必须被删除，以完成任务。
2017-10-01 cs.RO
Reactive Task and Motion Planning under Temporal Logic Specifications
Korea Advanced Institute of Science and Technology（韩国科学技术院）
我们提出了一个任务和运动规划（TAMP）算法对人类操作员的合作或对抗性干预鲁棒。干预措施通常会使当前的计划无效，并需要在飞行中重新计划。重新规划可能在计算上是昂贵的，并且经常中断无缝的任务执行。我们介绍了一种动态可重构的规划方法与基于行为树的控制策略对反应TAMP，它利用了以前的计划和增量图搜索在基于时序逻辑的反应合成。我们的算法还显示了高效的恢复功能，可以最大限度地减少重新规划步骤的数量。最后，我们的算法产生一个强大的，高效的，完整的TAMP解决方案。我们的实验结果表明，该算法在模拟和现实世界的任务中具有优异的操作性能。
2021-03-26 cs.RO
Automaton-Guided Control Synthesis for Signal Temporal Logic Specifications
University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出了一种基于信号时序逻辑（STL）规范的连续动力系统控制综合算法框架。我们提出了一种新的算法，以获得一个时间划分的有限自动机从STL规范，并介绍了一个多层的框架，利用这个自动机引导基于采样的搜索树在空间和时间。我们的方法是能够合成一个控制器的非线性动力学和多项式谓词功能。我们证明了我们的算法的正确性和概率完备性，并说明了我们的框架的效率和有效性的几个案例研究。我们的研究结果显示了一个数量级的加速比最先进的。
2022-10-04 cs.FL cs.RO cs.SY
Automated Formation Control Synthesis from Temporal Logic Specifications
Eindhoven University of Technology（埃因霍温理工大学）
本文针对多机器人集群在结构化环境中执行时序逻辑规范任务的问题，提出一种具备安全性与收敛性保证的控制器综合框架，可自主切换编队并应对环境事件，并通过多四旋翼导航仿真验证其有效性。
2023-09-15 cs.RO cs.SY eess.SY
Flow-Based Synthesis of Reactive Tests for Discrete Decision-Making Systems with Temporal Logic Specifications
California Institute of Technology（加州理工学院）；Brown University（布朗大学）
针对自主系统复杂规范测试设计难的问题，提出基于流的反应式测试综合方法，结合自动机理论与MILP生成最小限制的测试策略，经仿真和四足机器人实验验证有效。
2024-04-15 cs.FL cs.RO cs.SY
A hybrid barrier certificate approach to satisfy linear temporal logic specifications
在这项工作中，我们制定了一个（语法共同安全）的线性时序逻辑规范的物理工厂，通过最近的混合动力系统形式主义的满意度。为了解决这个问题，我们引入了一个扩展到这样一个混杂系统框架的所谓的偶发性属性，它匹配适当的条件，这样一个时间逻辑规范的满意度。的可能性属性可以建立通过屏障证书，我们认为混杂系统框架推导。使用混合屏障证书，我们提出了一个解决方案，原来的问题。仿真结果表明了该方法的有效性。
2020-11-23 cs.FL cs.SY eess.SY
Controller synthesis method for multi-agent system based on temporal logic specification
针对半合作半竞争多智能体概率离散事件系统，本文提出基于线性时序逻辑规范并结合概率模型检测的控制器综合算法，并通过案例验证其有效性。
2025-08-31 cs.FL cs.MA cs.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
Neural Control Barrier Functions for Signal Temporal Logic Specifications with Input Constraints
IISc, Bengaluru（印度理工学院班加罗尔分校）
本文提出基于神经网络的框架，用于合成时间变化控制屏障函数及其控制器，以满足STL规范并遵守输入约束，通过仿真验证了方法的有效性。
2026-03-17 cs.SY eess.SY
An MILP Approach for Real-time Optimal Controller Synthesis with Metric Temporal Logic Specifications
Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文提出一种混合整数线性规划方法，用于在动态环境中实时合成满足度量时序逻辑规范的控制器，通过优化性能指标确保系统行为正确。
2016-03-08 cs.RO cs.SY eess.SY
Robust Decidability of Sampled-Data Control of Nonlinear Systems with Temporal Logic Specifications
University of Waterloo（滑铁卢大学）
本文研究了使用离散抽象进行非线性控制合成的理论极限，具体探讨了在时序逻辑规范下决定连续时间控制的问题。证明了在系统右端受到小扰动的情况下，非线性系统带有时序逻辑规范的采样控制是鲁棒可决定的。如果存在这样的控制策略，则可以构造一个（可能更不鲁棒的）采样控制策略来实现相同的规范。通过构造足够小的离散化参数来证明结果的鲁棒完备抽象。
2019-03-15 cs.SY eess.SY
Robust Control for Signal Temporal Logic Specifications using Average Space Robustness
KTH Royal Institute of Technology（皇家理工学院）
本文提出了一种计算高效且鲁棒的模型预测控制框架，用于满足信号时间逻辑规范，引入了新的量化语义'离散平均空间鲁棒性'并将其纳入模型预测控制器的成本函数，通过凸二次规划实现规范的鲁棒满足，并定义了谓词鲁棒性度量来评估鲁棒性。
2019-01-15 cs.SY eess.SY
Model Predictive Control for Signal Temporal Logic Specification
California Institute of Technology（加州理工学院）；UC Berkeley（加州大学伯克利分校）；C3 Energy Inc.（C3能源公司）
本文提出一种基于数学规划的模型预测控制方法，用于满足信号时间逻辑规范的物理系统。通过将STL规范编码为混合整数线性约束，实现系统变量的优化控制，实验展示了建筑能源和气候控制的控制器合成效果。
2017-03-28 cs.FL cs.LO cs.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 Synthesis using Signal Temporal Logic Specifications with Integral and Derivative Predicates
University of Minnesota（明尼苏达大学）
在许多应用中，信号的积分和导数携带有价值的信息（例如，在时间窗口上的累积成功、变化率）。在本文中，我们扩展了信号时序逻辑（STL）的表达能力，通过引入谓词，可以定义丰富的属性相关的积分和导数的信号。对于控制合成，新的谓词被编码成混合整数线性不等式，并用于制定一个混合整数线性规划，以找到一个轨迹，满足STL规范。我们讨论了使用新的谓词的好处，并说明他们在一个案例研究中显示的影响，新的谓词上的轨迹的自主机器人。
2021-03-26 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
Temporal Robustness of Temporal Logic Specifications: Analysis and Control Design
我们研究了时序逻辑规范的时间鲁棒性，并展示了如何为时间关键控制系统设计时间鲁棒控制律。这个主题在连接系统和交错过程中特别感兴趣，例如多机器人和人机系统，其中个体代理和人类行为的不确定性可能会导致时序不确定性。尽管时间关键系统的重要性，时序逻辑规范的时间鲁棒性还没有研究，特别是从控制设计的角度来看。我们定义同步和异步的时间鲁棒性，并表明这些概念量化的鲁棒性相对于同步和异步的时间转移的时间逻辑规范的谓词。进一步证明了同步时间鲁棒性是异步时间鲁棒性的上界。然后，我们研究的控制设计问题，我们的目标是设计一个控制律，最大限度地提高了动力系统的时间鲁棒性。我们的解决方案包括一个混合线性规划（MILP）编码，可用于获得一系列的最优控制输入。虽然异步时间鲁棒性可以说是比同步时间鲁棒性更细致入微，我们表明，控制设计使用同步时间鲁棒性是计算更有效。设计人员可以根据手头的特定应用程序来利用这种权衡。我们总结了各种案例研究的文件。
2022-03-29 cs.FL cs.SY eess.SY
Direct data-driven control with signal temporal logic specifications
针对时序逻辑控制综合依赖系统模型的难题，提出一种仅用单条输入-输出数据的直接数据驱动方法，通过混合整数线性规划为一般线性系统综合满足可能无界规范的控制器。
2024-04-04 cs.SY eess.SY
Differentially Private Controller Synthesis With Metric Temporal Logic Specifications
Oden Institute for Computational Engineering and Sciences, University of Texas, Austin（奥斯汀德克萨斯大学奥登计算工程与科学研究所）；University of Florida（佛罗里达大学）
隐私是一个重要的问题，在各种多智能体系统中，从代理收集的数据是敏感的。我们提出了一个差分私人控制器合成方法的多智能体系统受到高层次的规格表示度量时序逻辑（MTL）。我们考虑这样一种设置，每个代理通过一组本地集线器将数据发送到云（计算站），云负责计算代理的控制输入。具体地，每个代理添加隐私噪声（例如，高斯噪声）在与本地集线器共享它们之前，在时间上逐点地到其自己的输出。每个本地集线器运行卡尔曼滤波器来估计相应代理的状态，并定期将这种状态估计发送到云。云根据MTL规范计算每个代理的最佳输入。在保证每个代理的差分隐私，控制器也合成，以确保概率保证满足MTL specification.We提供了一个实现所提出的方法的仿真案例研究与两个车轮上的机器人作为代理。
2019-09-29 cs.RO cs.SY eess.SY
Modularized Control Synthesis for Complex Signal Temporal Logic Specifications
本文提出一种将复杂信号时序逻辑（STL）规范在时间上分离为短子公式的框架，并开发模块化综合算法以提升控制综合效率，其有效性经仿真验证。
2023-09-15 cs.SY eess.SY
Satisfaction of linear temporal logic specifications through recurrence tools for hybrid systems
在这项工作中，我们制定的问题，满足线性时序逻辑公式的线性植物输出反馈，通过最近的混杂系统形式主义。我们将这个问题的概念，所考虑的形式主义引入的复发，然后，我们延长了李雅普诺夫复发的开放，无界集的条件。所提出的放松条件之一，允许验证一个合适的集合的递归，这保证了植物的高层次的进化满足公式，而不依赖于植物的离散化。仿真结果说明了所提出的方法。
2020-11-13 cs.FL cs.SY eess.SY
Counter-example guided Imitation Learning of Feedback Controllers from Temporal Logic Specifications
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔理工学院）；VERIMAG（VERIMAG 实验室）；Decyphir SAS（Decyphir SAS 公司）；IIT Kanpur（印度理工学院坎普尔分校）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
本文提出一种基于反例和覆盖率度量引导数据聚合的模仿学习方法，用于训练神经网络模仿由信号时序逻辑（STL）表达的复杂控制器，并引入基于STL参数化和参数估计的性能评估方法，通过飞行机器人案例验证了其有效性。
2024-03-25 cs.RO cs.SY eess.SY
Semi-Supervised Trajectory-Feedback Controller Synthesis for Signal Temporal Logic Specifications
Stanford University（斯坦福大学）
有时空规则规定机器人在复杂环境中应如何操作，例如，道路规则规定了（自动驾驶）车辆在道路上的行为。然而，将这些规则无缝地整合到机器人控制策略中仍然具有挑战性，特别是对于实时应用。在这项工作中，给定一个所需的时空规格表示的信号时序逻辑（STL）语言，我们提出了一个半监督控制器的合成技术，是调谐到类人的行为，同时满足所需的STL规范。离线时，我们通过对抗性训练方案合成了一个伪反馈神经网络控制器，该训练方案在计算控制时总结了过去的时空行为，然后在线时，我们执行梯度步骤以提高规范满意度。离线阶段的核心是一个基于模仿的正则化组件，它促进了更好的政策探索，并有助于诱导自然的人类行为。我们的实验表明，与仅在以前的工作中优化STL目标相比，具有基于模仿的正则化导致更高的定性和定量性能。我们证明了我们的方法的有效性与说明性的案例研究，并表明我们提出的控制器优于一个国家的最先进的射击方法在性能和计算时间。
2022-02-04 cs.RO cs.SY eess.SY
Model-based Reinforcement Learning from Signal Temporal Logic Specifications
University of Southern California（南加州大学）
基于强化学习（RL）的技术正越来越多地用于设计机器人系统的控制策略。RL从根本上依赖于基于状态的奖励函数来编码机器人的期望行为，而不好的奖励函数容易被学习代理利用，导致在最好的情况下不受欢迎的行为，在最坏的情况下非常危险。另一方面，为复杂任务设计好的奖励函数是一个具有挑战性的问题。在本文中，我们建议表达所需的高层次的机器人行为使用正式的规约语言称为信号时序逻辑（STL）作为替代奖励/成本函数。我们使用STL规范结合基于模型的学习来设计模型预测控制器，试图在有限的时间范围内优化STL规范的满意度。所提出的算法经验评估的机器人系统，如拾取和放置机械臂，和自适应巡航控制自动驾驶汽车的模拟。
2020-11-10 cs.AI cs.RO cs.SY
Specification mining and automated task planning for autonomous robots based on a graph-based spatial temporal logic
University of Notre Dame（圣母大学）
我们的目标是使自主机器人能够从演示视频中学习新技能，并使用这些新学到的技能来完成重要的高级任务。开发这种自主机器人的目标涉及到知识表示、规范挖掘和自动任务规划。对于知识表示，我们使用基于图的时空逻辑（GSTL）来捕获演示视频所演示的相关技能的时空信息。我们设计了一个规范挖掘算法，通过归纳构造空间项和时间公式，从演示视频中生成一组参数化的GSTL公式。从规范挖掘得到的参数化GSTL公式作为域理论，用于自主机器人的自动任务规划。提出了一种基于GSTL的自动任务规划方法，其中提出者用于生成有序动作，验证者用于生成可执行的任务计划。文中以表格设置为例说明了本文的主要思想。
2020-07-16 cs.AI cs.RO cs.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
Reachability-based Control Synthesis under Signal Temporal Logic Specifications
在本文中，我们研究的控制器设计问题的线性扰动系统下的信号时序逻辑（STL）规格施加空间和时间的限制系统的行为。我们首先实现基于zonotope的技术划分的状态空间到有限的细胞，然后提出了一个评估机制，重新安排的STL规范的时间约束，最后分解的全球STL公式到有限的本地STL公式。以这种方式，每个单元具有局部控制设计问题，该局部控制设计问题被进一步公式化为局部优化问题。针对每一个局部优化问题，我们利用区域空间的性质和可达性分析设计了由前馈和反馈部分组成的局部控制器。通过求解所有的局部优化问题，所有的局部控制器组合，以保证全局STL规格。最后，给出了一个数值例子来说明推导的结果。
2021-10-15 cs.SY eess.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
Distributed Differentially Private Control Synthesis for Multi-Agent Systems with Metric Temporal Logic Specifications
在本文中，我们提出了一个分布式差分私人滚动时域控制（RHC）的方法多智能体系统（MAS）的度量时序逻辑（MTL）规范。在本文所考虑的MAS中，每个代理使用差分隐私机制将其敏感信息从其他代理中私有化。换句话说，每个代理都会添加隐私噪音（例如，高斯噪声）到其输出，以保持其隐私，并将其噪声输出与其相邻的代理进行通信。我们定义了两种类型的MTL规范的MAS：代理级规范和系统级规范。代理应该合作，以满足系统级MTL规格的最小概率，而每个代理必须满足自己的代理级MTL规格在同一时间。在所提出的分布式RHC方法中，每个代理与其相邻的代理进行通信，以获取它们的噪声输出，并计算系统级轨迹的估计。然后，每个代理合成自己的控制输入，使系统级的规格是满足最小的概率，而代理级的规格也得到满足。在建议的RHC优化配方，我们直接将卡尔曼滤波器方程计算的系统级轨迹的估计，我们使用混合整数线性规划（MILP）编码的MTL规格作为优化约束。最后，我们在一个案例研究中实现了所提出的分布式RHC方法。
2022-10-04 cs.SY eess.SY
Verifying Stochastic Hybrid Systems with Temporal Logic Specifications via Model Reduction
我们提出了一个可扩展的方法来验证随机混合系统。利用Mori-Zwanzig约化方法，构造了一个随机混合系统的有限状态马尔可夫链约化，并证明了该约化的马尔可夫链在分布意义下与原系统近似等价.近似等价的随机混合系统和它的马尔可夫链约简意味着分析马尔可夫链的适当加强的属性，使我们能够得出结论，是否原来的随机混合系统满足其时态逻辑规格。我们提出了第一个统计模型检测算法来验证随机混合系统的正确性，表示在线性不等式线性时态逻辑（iLTL）或度量区间时态逻辑（MITL）。
2020-09-16 cs.SY eess.SY math.OC
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
Enhancing Temporal Logic Falsification with Specification Transformation and Valued Booleans
网络物理系统（CPS）是具有物理和软件组件的系统，例如汽车和工业机器人。由于这些系统表现出离散和连续的动态，它们是复杂的，因此很难验证它们的行为是否符合预期。时序逻辑性质的证伪是通过模拟来寻找CPS反例的一种方法。在本文中，我们提出了两个补充，以提高伪造的能力，使其在大规模的工业环境中更可行。第一个增加的是一个框架，用于将规范从基于信号的模型转换为信号时序逻辑。第二个补充是在证伪过程中使用值布尔和添加剂鲁棒语义。我们评估了一组基准模型上的附加鲁棒语义的性能，我们可以看到，哪些语义是更可取的依赖于模型和规范。
2019-10-18 cs.SY eess.SY
Control Barrier Functions with Actuation Constraints under Signal Temporal Logic Specifications
我们为一类动力系统提出了控制障碍函数（CBF），以满足信号时序逻辑（STL）规范的广泛片段，这些规范可能包括具有嵌套时序运算符或冲突要求的子任务（例如，在相同的时间间隔内实现多个子任务）。建议的CBF考虑到动力系统的驱动限制，以及一个可行的子任务序列，他们定义了随时间变化的可行的状态集的系统必须始终留在里面。我们展示了所提出的方法的正确性的一些理论结果。我们说明了所提出的CBF的好处，并通过模拟与现有的方法比较其性能。
2022-04-07 cs.SY eess.SY
Online Monitoring of Dynamic Systems for Signal Temporal Logic Specifications with Model Information
在线监控的目的是在运行时评估或预测系统的行为是否满足某些期望的规范。它在安全关键的网络物理系统中发挥着关键作用。在这项工作中，我们提出了一种新的基于模型的方法，用于在线监测信号时序逻辑（STL）公式所描述的规格。具体来说，我们假设所观察到的状态轨迹是由一个底层的动态系统，其模型是已知的。其主要思想是考虑系统的动态时，评估的STL公式的满意度。为此，STL公式的可行集的计算提供了有效的方法。我们表明，通过明确地利用动态系统的模型信息，所提出的在线监测算法可以伪造或证明的规格提前与现有的算法相比，没有使用模型信息。我们还证明了所提出的监测算法的案例研究。
2022-03-30 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
Computational methods for stochastic control with metric interval temporal logic specifications
University of Pennsylvania（宾夕法尼亚大学）
本文研究了连续时间随机系统在度量区间时序逻辑规范下的最优控制问题，提出了一种基于离散近似的方法来合成最优控制策略，以最大化满足规范的概率，并展示了该策略在离散近似中收敛到连续时间语义下的最优策略。
2015-04-20 cs.SY eess.SY
Reactive and Risk-Aware Control for Signal Temporal Logic
在不确定和动态环境中部署自治系统提出了一些基本问题。解决这些问题对于构建完全自主的系统至关重要，需要系统地整合规划和控制。我们首先提出反应性风险信号间隔时间逻辑（ReRiSITL）作为扩展的信号时间逻辑（STL）制定复杂的时空规范。与STL不同，ReRiSITL允许考虑不可控的命题，这些命题可能模拟人类以及随机环境事件，如传感器故障。此外，ReRiSITL允许纳入风险度量，例如（但不限于）条件风险价值，以衡量违反某些空间规范的风险。其次，我们提出了一个算法来检查ReRiSITL规范是否可满足。为此，我们将ReRiSITL规范抽象为定时信号换能器，并设计了一种基于游戏的方法。第三，我们提出了ReRiSITL规范下的动态控制系统的反应式规划和控制框架。
2021-08-30 cs.FL cs.LO cs.SY
Model Predictive Control for Signal Temporal Logic Specifications with Time Interval Decomposition
本文研究了动态系统的模型预测控制（MPC）问题，其高阶指标由信号时序逻辑（STL）公式描述。最近的工作表明，MPC在处理反应式环境中的逻辑任务有很大的潜力。然而，现有的方法遭受沉重的计算负担，特别是对于具有大视野的任务。在这项工作中，我们提出了一个计算更有效的MPC框架STL任务的基础上时间间隔分解。具体来说，我们仍然使用标准的收缩时域MPC框架和混合线性规划（MILP）技术来解决开环优化问题。然而，而不是直接应用MPC的整个任务范围，我们分解的STL公式成几个子公式与不相交的时间范围，并收缩地平线MPC适用于每个短期子公式迭代。为了保证整个STL公式的满足性和迭代过程的递归可行性，我们引入了新的终端约束来连接每个子公式。我们展示了如何通过一个有效的内部近似方法计算这些终端约束。我们的方法的计算效率说明了一个案例研究。
2022-11-15 cs.FL cs.SY eess.SY
Online Control Synthesis for Uncertain Systems under Signal Temporal Logic Specifications
研究了不确定离散时间系统在信号时序逻辑（STL）规范下的在线控制综合问题。不同于现有的技术，这项工作提出了一种基于STL，可达性分析，和时态逻辑树的方法。首先，提出了一种实时版本的STL语义和一种基于管的时态逻辑树（tTLT）。我们表明，tTLT是一个欠近似的STL公式，在这个意义上说，一个轨迹满足tTLT也满足相应的STL公式。其次，设计了一种在线控制综合算法。证明了当STL公式鲁棒可满足且系统的初始状态属于tTLT的初始根节点时，保证了控制综合算法生成的轨迹满足STL公式。仿真实例和实际实验验证了该方法的有效性。
2023-03-17 cs.SY eess.SY
Active Perception and Control from Temporal Logic Specifications
University of Notre Dame（圣母大学）
本文提出一种结合信念空间规划和符号控制的可扩展任务与运动规划框架，用于不确定环境，通过概率时间逻辑（PRTL）规范的反例引导归纳合成算法实现主动感知以满足规范要求。
2019-05-09 cs.SY eess.SY
Maximally Resilient Controllers under Temporal Logic Specifications
本文研究在时间逻辑规范下，通过鲁棒优化综合控制器，以最大化系统能承受的最大扰动（弹性），并针对线性和非线性系统分别给出精确解和概率保证方法。
2025-09-08 cs.SY eess.SY math.OC
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
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
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
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
Energetic Resilience under Temporal Logic Specifications
Indian Institute of Science, Bengaluru KA, India（印度科学研究所）；University of Illinois Urbana-Champaign, Urbana IL, USA（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种能量韧性度量，用于量化系统在满足复杂时间逻辑规范下，面对不利影响时所消耗的最大额外能量，通过二次规划高效求解控制输入和度量计算，通过战斗机模型和移动机器人案例验证了方法的有效性。
2026-09-29 cs.SY eess.SY
Model-Free Reinforcement Learning for Optimal Control of MarkovDecision Processes Under Signal Temporal Logic Specifications
University of Southern California（南加利福尼亚大学）
我们提出了一个无模型的强化学习算法，以找到一个最佳的政策，有限的地平线马尔可夫决策过程，同时保证所需的下界的概率满足信号时序逻辑（STL）规范。我们提出了一种方法来有效地增加MDP的状态空间，以捕捉所需的状态历史，并表示为可达性目标的STL目标。然后，规划问题可以被公式化为有限时域约束的马尔可夫决策过程（CMDP）。对于具有未知转移概率的一般有限时域CMDP问题，我们开发了一种强化学习方案，该方案可以利用任何无模型RL算法来提供非平稳随机策略的一般空间中的近似最优策略。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。
2021-09-27 cs.AI cs.FL cs.SY
