[論文レビュー] Forward LTLf Synthesis: DPLL At Work

Marco Favorito|arXiv (Cornell University)|Feb 27, 2023

Natural Language Processing Techniques被引用数 4

ひとこと要約

本稿では、全列挙を回避し、高コストなコンパイルを避けるために、DPLLに類似した探索フレームワークを用いた、有限トレース上の線形時相論理（LTLf）の新しい前方合成手法を提案する。この手法は、状態式の構文的同値性チェックを採用し、BDD（二分決定図）をフォールバックとして統合することで、最先端の性能を達成した。実装されたツール「Nike」は、2023年SYNTCOMPのLTLf実現可能性トラックで優勝した。

ABSTRACT

This paper proposes a new AND-OR graph search framework for synthesis of Linear Temporal Logic on finite traces (\LTLf), that overcomes some limitations of previous approaches. Within such framework, we devise a procedure inspired by the Davis-Putnam-Logemann-Loveland (DPLL) algorithm to generate the next available agent-environment moves in a truly depth-first fashion, possibly avoiding exhaustive enumeration or costly compilations. We also propose a novel equivalence check for search nodes based on syntactic equivalence of state formulas. Since the resulting procedure is not guaranteed to terminate, we identify a stopping condition to abort execution and restart the search with state-equivalence checking based on Binary Decision Diagrams (BDD), which we show to be correct. The experimental results show that in many cases the proposed techniques outperform other state-of-the-art approaches. Our implementation Nike competed in the LTLf Realizability Track in the 2023 edition of SYNTCOMP, and won the competition.

研究の動機と目的

• 二重指数的時間の決定的有限オートマトン（DFA）構築に依存する従来のLTLf合成におけるスケーラビリティのボトル neck を解消すること。
• 全エージェント・環境の動きを列挙するか、知識コンパイルによる高コストなコンパイルに依存する既存の前方探索手法の限界を克服すること。
• 事前処理のオーバーヘッドを最小限に抑え、計算リソースに比例してスケーリングする探索フレームワークの開発。
• 正しさを損なわずに冗長性を低減するための、状態式に対する軽量な構文的同値性チェックの導入。
• DPLLに類似した手続きが終了しない場合に備え、BDDを用いた同値性チェックをフォールバックとして統合し、正しさと終了性を保証すること。

提案手法

• 状態同値性チェックと探索ノードの展開という2つの基本操作に基づく、LTLf合成のための新しいAND-ORグラフ探索フレームワークを提案する。
• エージェント・環境の動きを、深さ優先かつオンザフライで生成するDPLLに類似した手続きを設計する。これにより、変数割り当ての完全列挙を回避できる。
• 探索ノードの同値性を効率的に検出・統合できる、状態式のための新規な構文的同値性チェックを導入する。
• DPLLベースの探索が終了しない場合に備え、BDD（二分決定図）を正しさを保つフォールバックとして使用する。
• 複数の探索戦略（例：true/false/random first）をサポートし、マルチスレッド実行を可能にする、ツール「Nike」にフレームワークを実装する。
• LTLf合成のゲーム理論的視点を統合し、仕様のDFAを、エージェントが受容状態を強制しなければならないゲームのアリーナとみなす。

実験結果

リサーチクエスチョン

• RQ1 LTLf合成の前方探索アプローチは、二重指数的DFA構築のボトル neck を回避しつつ、計算リソースに比例して効率的にスケーリングできるか？
• RQ2 LTLf合成における動き生成のDPLLに類似した手続きは、高コストな知識コンパイルに依存せずに、探索空間を縮小できるか？
• RQ3 状態式のための構文的同値性チェックは、正しさを損なわず、性能向上に十分なプルーニングを提供できるか？
• RQ4 軽量な構文的チェックとBDDを用いた同値性検出を組み合わせたハイブリッド戦略は、実際の場面で正しさと終了性を保証できるか？
• RQ5 提案されたフレームワークは、実世界のLTLf合成ベンチマークにおいて、既存の最先端ツールを上回る性能を示せるか？

主な発見

• 提案されたフレームワークの実装である「Nike」は、2023年SYNTCOMPのLTLf実現可能性トラックで優勝した。
• Nim 02ベンチマークでは、Nike Hash True Firstが10件中10件を解消し、平均時間114.93msを記録した。これはLydia（22.99ms）やLisa Explicit（0.33ms）を上回ったが、Lisa Symbolic（0.33ms）より遅いケースもあった。
• シングルカウンターベンチマークでは、Nike Bdd True Firstがcounter_05を3.75秒で解消したのに対し、Lisa Symbolicは13.7秒を要した。複雑なインスタンスにおいても競争力のある性能を示した。
• Nim 03ベンチマークでは、Nike Hash True Firstがcounter_01を14.59msで解消し、Lydia（270.72ms）やLisa Explicit（0.26ms）を上回った。中規模問題においても効率的であった。
• より複雑なNim 05ベンチマークでは、NikeのBDDベースのバージョンがcounter_01を220.65秒で解消したが、Lisa SymbolicとLisa Explicitは時間制限内に解けなかった。これは、困難なインスタンスに対しても堅牢であることを示している。
• DPLLに類似した動き生成により、完全列挙を回避し、コンパイルのオーバーヘッドを低減した。その結果、SDDベースのアプローチと比較して、多くのケースで探索空間の探索が高速化された。