[논문 리뷰] Efficiency through Uncertainty: Scalable Formal Synthesis for Stochastic Hybrid Systems

Nathalie Cauchi, Luca Laurenti외 4명|arXiv (Cornell University)|2019. 01. 06.

Formal Methods in Verification참고 문헌 23인용 수 12

한 줄 요약

이 논문은 분석적으로 계산된 정확한 오차 한계를 갖는 간격 마르코프 결정 과정(IMDP)를 사용하여 이산 시간 스토케스틱 하이브리드 시스템에 대한 확장 가능한 형식적 합성 프레임워크를 제안한다. 비선형 최적화에서 유도된 불확실성을 추상화에 통합함으로써, 유한 및 무한 수명 주기의 시간 논리 명시 사양에 대해 효율적이고 정밀한 제어 합성 가능성을 확보한다. 이는 추상화 오차를 수개월 수준으로 감소시키며, 10개 이상의 연속 변수를 갖는 시스템의 검증을 가능하게 하여 기존 방법에 비해 상당한 속도 향상과 확장성을 입증한다.

ABSTRACT

This work targets the development of an efficient abstraction method for formal analysis and control synthesis of discrete-time stochastic hybrid systems (SHS) with linear dynamics. The focus is on temporal logic specifications, both over finite and infinite time horizons. The framework constructs a finite abstraction as a class of uncertain Markov models known as interval Markov decision process (IMDP). Then, a strategy that maximizes the satisfaction probability of the given specification is synthesized over the IMDP and mapped to the underlying SHS. In contrast to existing formal approaches, which are by and large limited to finite-time properties and rely on conservative over-approximations, we show that the exact abstraction error can be computed as a solution of convex optimization problems and can be embedded into the IMDP abstraction. This is later used in the synthesis step over both finite- and infinite-horizon specifications, mitigating the known state-space explosion problem. Our experimental validation of the new approach compared to existing abstraction-based approaches shows: (i) significant (orders of magnitude) reduction of the abstraction error; (ii) marked speed-ups; and (iii) boosted scalability, allowing in particular to verify models with more than 10 continuous variables.

연구 동기 및 목표

• 연속 동역학을 갖는 스토케스틱 하이브리드 시스템(SHS)의 형식적 검증에서 상태공간의 폭발 문제를 해결하기 위해.
• 원래 SHS와 그 이산 추상화 사이의 날카운 오차 한계를 제공하는 형식적 추상화 방법을 개발하기 위해.
• 유한 및 무한 수명 주기의 시간 논리 명시 사양에 대해 만족 확률을 최대화하는 제어 전략을 효율적으로 합성하기 위해.
• 특히 10개 이상의 연속 변수를 갖는 고차원 SHS 모델에 대해 형식적 방법을 확장하기 위해, 이를 기존 접근법으로는 처리할 수 없는 문제에 대응하기 위해.
• 비선형 최적화를 통해 전이 확률의 불확실성을 통합하여 형식적 보장을 유지하면서도 계산 효율성을 향상시키기 위해.

제안 방법

• 방법은 전이 확률이 간격으로 표현되는 간격 마르코프 결정 과정(IMDP)으로서의 SHS의 유한 추상화를 구축한다. 이는 불확실성을 포괄하기 위해 사용된다.
• 정확한 추상화 오차 한계는 비선형 최적화 문제를 풀어 도출되며, 이를 IMDP의 불확실한 전이 확률로 통합한다.
• 역동성에 따라 적응적인 격자 이산화를 사용하여 관심 영역(예: 목표 또는 위험 영역)을 정밀하게 조정함으로써 과도한 근사화를 감소시킨다.
• 가능한 전이 분포 하에서 만족 확률의 하한을 최대화하는 전략을 계산하여 IMDP에서 제어 합성을 수행한다.
• 결과로 도출된 전략은 원래 SHS에 대한 스위칭 정책으로 정확하게 보완되며, 계산된 확률 한계에 대한 형식적 보장을 갖는다.
• 이 프레임워크는 유한 수명 주기의 안전성 특성에 적합한 공존 안전 LTL(csLTL)과 유한 시간 범위에서의 안전성 성질을 다루는 유한 LTL(blTL)을 모두 지원한다.

실험 결과

연구 질문

• RQ1 스토케스틱 하이브리드 시스템에 대해 정확한 추상화 오차 한계를 효율적으로 계산하고 형식적 추상화에 통합할 수 있는가?
• RQ2 형식적 합성에서 SHS의 상태공간 폭발 문제를 형식적 보장을 유지하면서 어떻게 완화할 수 있는가?
• RQ3 제안된 방법이 기존 방법이 실패하는 10개 이상의 연속 변수를 갖는 SHS에 대해 확장 가능한가?
• RQ4 비선형 최적화를 통해 전이 확률에 불확실성을 통합하면 제어 합성의 정밀성과 효율성이 향상되는가?
• RQ5 이 프레임워크는 형식적 보장을 갖는 유한 및 무한 수명 주기의 시간 논리 명시 사양을 모두 지원할 수 있는가?

주요 결과

• 기존의 추상화 기반 접근법에 비해 추상화 오차가 수개월 수준으로 감소하였다.
• 3612개 상태를 갖는 모델에 대해 합성 및 추상화가 5434초 내에 완료되어 실용적인 런타임 성능를 입증하였다.
• 11개의 연속 변수를 갖는 스토케스틱 하이브리드 시스템을 성공적으로 검증하였으며, 이는 최신 기술 대비 상당한 향상이다.
• 차원 수가 증가함에 따라(d=2에서 d=11로), 추상화의 상태 수가 중간 정도로 증가하였고, 계산 시간은 d=2일 때 0.014초에서 d=11일 때 25500초로 증가하였다.
• 최대 오차(ε_max)는 시간 수명 주기가 증가함에 따라 안정된 상태값으로 수렴하여 안정적이고 예측 가능한 오차 행동을 나타내었다.
• 특히 고차원 모델과 무한 수명 주기 사양에 대해 기존 도구에 비해 속도와 확장성 면에서 뛰어난 성능을 보였다.