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
SMTL: A Stratified Logic for Expressive Multi-Level Temporal Specifications
本文提出分层度量时序逻辑 SMTL,通过分层算子关联时序属性与抽象层级,严格包含 MTL 并增强表达力,仿真表明其可提升多智能体协调与安全性。
2025-01-09 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
A More Scalable Mixed-Integer Encoding for Metric Temporal Logic
基于时间时序逻辑规范(包括度量时序逻辑(MTL)和信号时序逻辑(STL))的最优控制的最新技术是基于混合凸规划(MICP)的。标准的MICP方法是健全和完整的,但难以扩展到长而复杂的规范。借鉴分段仿射系统轨迹优化的最新进展,我们提出了一种新的MICP编码有限过渡系统,显着提高了可扩展性,以长期和复杂的MTL规范。而不是寻求减少在MICP中的变量的数量,我们专注于设计一个编码与紧凸松弛。这会导致更大的优化问题,但会显著提高分支定界求解器的性能。在涉及移动机器人在网格世界的仿真实验中,所提出的编码可以减少计算时间的几个数量级。
2021-12-02 cs.SY eess.SY
Quantified Differential Temporal Dynamic Logic for Verifying Properties of Distributed Hybrid Systems
Carnegie Mellon University(卡内基梅隆大学)
本文结合量化微分动态逻辑与时序逻辑,提出一种验证分布式混合系统时序与非时序性质的方法,并给出相对完备的模块化验证演算。
2012-07-11 cs.LO 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
Optimal Control of Logically Constrained Partially Observable and Multi-Agent Markov Decision Processes
University of Southern California(南加州大学);University of New Mexico(新墨西哥大学)
针对自主系统的逻辑约束、部分可观测性及多智能体信息不对称问题,提出带有限线性时序逻辑约束的POMDP最优控制理论与多智能体框架,可合成兼顾高奖励与约束满足概率的策略,经案例验证有效。
2024-06-19 cs.AI cs.FL cs.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
Robust Inference and Verification of Temporal Logic Classifier-in-the-loop Systems
嵌入了机器学习模块的自治系统通常依赖于深度神经网络来对环境中的不同感兴趣对象进行分类,或者对系统采取不同的操作或策略。由于深度神经网络的非线性和高维性,自治系统的可解释性受到损害。此外,自治系统中的机器学习方法大多是数据密集型的,缺乏人类自然的常识知识和推理。在本文中,我们提出了时态逻辑分类器在循环系统的框架。时间逻辑分类器可以基于环境输出自治系统要采取的不同动作,使得自治系统的行为可以满足给定的时间逻辑规范。我们的方法是鲁棒的和可证明正确的,因为我们可以证明,自治系统的行为可以满足给定的时序逻辑规范(有界)干扰的存在。
2020-04-04 cs.FL cs.SY eess.SY
Differentiable Ternary Temporal Logic Semantics with Polynomial Surrogate Networks
Institute for Systems Research, University of Maryland(马里兰大学系统研究所)
本文提出一种三值时序逻辑的概率松弛方法,通过多项式代理网络实现可微的值与梯度计算,并用于机器人控制综合,在两个操纵器任务中验证了其有效性。
2026-10-06 cs.RO cs.SY eess.SY
RRT* Based Optimal Trajectory Generation with Linear Temporal Logic Specifications under Kinodynamic Constraints
Centre for Cyber-Physical Systems, IISc(印度科学学院网络物理系统中心)
提出一种基于RRT*的轨迹生成方法,结合LTL鲁棒性度量与运动约束,通过递归成本函数平衡可行性与逻辑正确性,经仿真和实验验证,适用于复杂真实场景。
2024-11-09 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
Temporal Logic Inference for Hybrid System Observation with Spatial and Temporal Uncertainties
在本文中,我们提出了一种机制,用于建立混杂系统观察员之间的特定位置的混杂系统进行区分。该机构的设计是通过从混杂系统的模拟轨迹推断度量时序逻辑(MTL)公式。我们首先近似系统的行为,通过模拟许多轨迹与周围的时间鲁棒管段。这些时间鲁棒管段占空间和时间的不确定性,存在于混杂系统与初始状态变化。推导出的MTL公式对不同的时间鲁棒性管段进行分类,因此可以用于以可证明正确的方式对混杂系统行为进行分类。我们实现我们的方法在智能建筑测试平台的模型上区分两种情况下的房间占用。
2020-04-04 cs.FL cs.SY eess.SY
Temporal logic control of general Markov decision processes by approximate policy refinement
California Institute of Technology(加州理工学院);School of Computing, Newcastle University(纽卡斯尔大学计算机学院);Computer Science Department, Oxford University(牛津大学计算机科学系)
本文研究了如何利用近似概率关系在一般马尔可夫决策过程上实现正确-by-设计的时序逻辑控制,通过在抽象模型上进行计算,确保在抽象模型上满足的属性在原始模型上也能通过细化的控制策略得到满足。
2018-11-27 cs.LO cs.SY eess.SY
Robustness Analysis for Value-Freezing Signal Temporal Logic
Faculty of Informatics Masaryk University(马萨里克大学信息学院)
本文基于STL*逻辑,定义了鲁棒性度量,并提出计算算法,通过案例展示其应用。
2013-09-03 cs.CE cs.LO cs.SY
Timed Automata Approach for Motion Planning Using Metric Interval Temporal Logic
本文研究在给定时间约束的高层规范下机器人运动规划问题,采用度量区间时序逻辑表示任务规范,并构造时序自动机以生成可行的运动路径序列。
2016-03-29 cs.LO cs.RO 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
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