Aug, 2023

非确定性规划领域中的 LTLf 最佳努力综合

PDF
TL;DR我们研究可在完全可观察、非确定性领域（FOND）中使用线性时态逻辑有限轨迹（LTLf）表示的目标的尽力策略（又称计划）。我们提出了一种基于博弈论的技术，用于合成利用非确定性规划领域特性的尽力策略。我们在形式上证明了其正确性，并在实验中展示了其有效性，相对于基于将规划领域重新表达为通用环境规范的直接尽力合成方法，其可扩展性大大提高。
best-effort strategiesfully observable nondeterministic domainslinear temporal logic on finite tracesgame-theoretic techniquenondeterministic planning domains
发现论文，激发创造
  • 符号化的 LTLf 最佳努力合成

    本文研究了代理在非确定性环境中完成任务的问题，提出并比较了多种使用有限轨迹线性时态逻辑的最佳努力合成方法，这些方法基于相同的基本组件，但在组件的组合方式上有所差异，并通过实证评估验证了这种差异对方法性能的重大影响。

    Aug, 2023

  • 完全可观察非确定性领域模型中的时间扩展目标识别

    本文研究将目标识别扩展到具有完整可观察性和非确定性的计划领域模型中，重点是在使用线性时间逻辑（LTLf）和纯过去线性时间逻辑（PLTLf）表达的有限痕迹上识别目标。我们开发了第一种能够识别此类设置中目标的方法，并使用六个计划领域模型上的不同 LTLf 和 PLTLf 目标进行评估，实验结果表明我们的方法在不同的识别设置中识别时间上延长的目标是准确的。

    Jun, 2023

  • 符号化 LTLf 合成

    本文提出了一种基于符号技术的 LTLf 综合的框架，利用布尔合成的机制实现了策略生成，并在可扩展的基准测试中通过实验证明了符号方法比显式方法更具可扩展性。

    May, 2017

  • 学习完全可观察的非确定性计划领域的广义策略

    扩展学习通用策略的公式和组合方法以解决完全可观察、非确定性（FOND）领域的规划问题，通过实验证实所得方法在多个 FOND 规划基准领域上，并验证了其正确性。学习 FOND 规划的通用策略方法可以被视为在抽象空间中寻找解决方案的一种替代 FOND 规划方法，该抽象空间由需要学习的特征定义。

    Apr, 2024

  • 前向 LTLf 合成：DPLL 在工作

    本文提出了一种新的 AND-OR 图搜索框架，用于合成有限轨迹上的线性时态逻辑（LTLf），并在框架中设计了一种基于 DPLL 算法的程序来生成特定代理 - 环境移动，同时还提出了一种基于状态公式语法等价性的搜索节点等价性检查方法，实验结果表明，这些技术在许多情况下胜过了其他最先进的方法。

    Feb, 2023

  • 基于满足性和时间目标的综合

    本文提出了第一个针对具有分数折扣因子的 LTL 和 DSRewards 进行综合的声音算法，并在机器人规划领域展示了其效用。

    May, 2022

  • 分离领域中的行为模仿

    本文介绍了基于智能代理的 LTLf 形式化方法来解决计算机科学中的系统模仿问题，从简单映射到全 LTLf 并研究了合成算法和计算性质。

    May, 2022

  • 非确定性 Situation Calculus 动作理论的抽象 —— 扩展版

    论文提出了一个基于 ConGolog 编程语言和非确定情景演算的抽象化代理行为的通用框架，在支持策略推理和策略合成的同时，实现了代理动作和环境反应的分离量化。如果代理在抽象层次有一个 (plan/strategy) 可以实现目标 / 完成任务，并且可以在具体层次始终执行非确定性的抽象行为从而实现目标 / 任务，则存在一个对具体目标 / 任务的细化的 (plan/strategy) 实现。

    May, 2023

  • 从目标导向的 LTLf 公式设计行为树

    本文给出了一种将有限路径线性时间逻辑（LTL）中的目标转化为行为树（BT）的方法，其中通过成就取向任务任务语法获得有用的 LTL 公式，为通过运用 LTL 运算符组合任务形成任务提供了可能，这产生了放松的行为综合问题，其中广泛的规划器可以实现 BT 中的动作节点，并且任何规划器产生的成功路径均满足相应的 LTL 公式。

    Jul, 2023

  • 在纯过去时线性时态逻辑中规划具有时间延伸目标：多项式约减为标准规划

    研究纯过去时线性时态逻辑（PPLTL）中表达的时间上延长的目标，这对于表达目标特别有趣，因为它允许表达形式方法文献中的复杂任务，同时在确定性和非确定性领域的规划的最坏情况的计算复杂性仍然与经典可达性目标相同。本文提出了一种将 PPLTL 目标的计划多项式转化为标准计划的技术，并展示了翻译的形式正确性、复杂性和实际效果。

    Apr, 2022