[論文レビュー] Integrating active sensing into reactive synthesis with temporal logic constraints under partial observations

Jie Fu, Ufuk Topcu|arXiv (Cornell University)|Oct 1, 2014

Formal Methods in Verification参考文献 8被引用数 3

ひとこと要約

本稿では、部分観測下における時相論理制約と能動的センシングを統合したオンラインリアクティブ合成フレームワークを提案する。このフレームワークにより、LTL仕様の確実な満たし（確率1での正しさ）が可能になる。信念に基づく制御戦略と不確実性を低減する能動的センシング戦略を交互に切り替えることで、完全な部分観測合成の高コストを回避しつつ、十分なセンサ条件のもとで正しさを保証する。

ABSTRACT

We introduce the notion of online reactive planning with sensing actions for systems with temporal logic constraints in partially observable and dynamic environments. With incomplete information on the dynamic environment, reactive controller synthesis amounts to solving a two-player game with partial observations, which has impractically computational complexity. To alleviate the high computational burden, online replanning via sensing actions avoids solving the strategy in the reactive system under partial observations. Instead, we only solve for a strategy that ensures a given temporal logic specification can be satisfied had the system have complete observations of its environment. Such a strategy is then transformed into one which makes control decisions based on the observed sequence of states (of the interacting system and its environment). When the system encounters a belief---a set including all possible hypotheses the system has for the current state---for which the observation-based strategy is undefined, a sequence of sensing actions are triggered, chosen by an active sensing strategy, to reduce the uncertainty in the system's belief. We show that by alternating between the observation-based strategy and the active sensing strategy, under a mild technical assumption of the set of sensors in the system, the given temporal logic specification can be satisfied with probability 1.

研究の動機と目的

• 動的で敵対的な環境下における部分観測下でのリアクティブ合成の高い計算複雑性に対処すること。
• 実行時における環境状態の完全な情報が入手できない状況でも、正しい制御合成を可能にすること。
• 部分観測下での完全な2人ゲームを解く代わりに、センシング行動によるオンライン再計画を用いることで、計算負荷を低減すること。
• 信念に基づく制御と能動的センシング戦略の組み合わせにより、LTL仕様のほぼ確実な満たしを保証すること。
• 不確実性下でのロボット運動計画と制御のための実用的でスケーラブルな手法を提供すること。

提案手法

• システムは、部分観測と履歴に基づいて、現在の状態のすべての可能性を表す信念集合を維持する。
• 完全情報下での確実に勝てる戦略を事前に合成し、それを部分観測下で使用可能な確率的信念ベース戦略に変換する。
• 現在の信念に対して信念ベース戦略が定義されていない場合、不確実性を低減するため能動的センシング戦略が発動する。
• センシング行動は命題論理式（例：悪臭の検出）を照会し、センサの出力に基づいて信念を更新する。
• システムは実行時において信念ベース戦略と能動的センシング戦略を交互に切り替える。
• センサ集合に対して十分な条件を満たすことで、不確実性を常に解消し、LTL仕様をほぼ確実に満たすことができる。

実験結果

リサーチクエスチョン

• RQ1 能動的センシングは、部分観測下でのリアクティブ合成の計算コストを低減しつつ、正しさを保つことができるか？
• RQ2 完全情報下で合成された戦略は、信念ベースでオンライン制御フレームワークにどのように適応できるか？
• RQ3 どのような条件下で能動的センシングは、部分観測環境下でLTL仕様のほぼ確実な満たしを保証できるか？
• RQ4 センサ設計とクエリ選択の役割は、センシングコストを最小限に抑えつつ不確実性を最大限に低減するためにどのように果たすか？
• RQ5 実行時における信念更新をどのように効率的に計算し、リアルタイム意思決定を支援できるか？

主な発見

• センサ集合に十分な条件が満たされれば、与えられたLTL仕様をほぼ確実に満たすことが保証される。
• 実行中の最大信念集合のサイズは43であった。これは、ロボット運動計画の例における不確実性の伝播が管理可能であることを示している。
• 1ステップあたりの平均意思決定時間は8.55×10⁻⁴秒であり、標準的なハードウェアでもリアルタイム実行が可能であることを示している。
• 製品ゲームの計算に40.14秒、完全情報下での勝利戦略の計算に14秒を要した。
• 1000ステップの間、ロボットは目標領域集合Fを14回訪問し、無限回にわたってその訪問を継続した。これは長期的な仕様満たしを確認するものである。
• 能動的センシング戦略は、現在の不確実性と仕様の目的に基づき、最も情報価値の高いクエリを選択することで、不要なセンシングを最小限に抑えた。