[논문 리뷰] Forward LTLf Synthesis: DPLL At Work

Marco Favorito|arXiv (Cornell University)|2023. 02. 27.

Natural Language Processing Techniques인용 수 4

한 줄 요약

이 논문은 이중 지수적 결정성 유한 오토마타(DFA) 구축에 의존하는 전통적인 LTLf 합성의 확장성 문제를 해결하기 위해, 완전한 나열을 피하고 비용이 많이 드는 컴파일을 피하는 DPLL 유사 탐색 프레임워크를 사용하는 선형 시간 논리(LTLf)에 대한 새로운 전방 합성 방법을 제안한다. 이 방법은 상태 공식에 대한 문법적 동치성 검사를 사용하고, 이중 결정도형(BDD)을 보조 수 Mittel로 활용하여 최신 기술 수준의 성능을 달성한다. 그 구현체인 Nike는 2023년 SYNTCOMP LTLf 실현 가능성 트랙에서 우승하였다.

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.

연구 동기 및 목표

• 이중 지수적 결정성 유한 오토마타(DFA) 구축에 의존하는 기존 LTLf 합성의 확장성 문제를 해결한다.
• 이전의 전방 탐색 방법이 모두 에이전트-환경 이동을 나열하거나 지식 컴파일을 통해 높은 컴파일 비용을 유발하는 한계를 극복한다.
• 사전 처리 오버헤드보다는 탐색 중심에 초점을 맞춰 계산 자원에 비례해 확장 가능한 탐색 프레임워크를 개발한다.
• 정확성을 손상시키지 않으면서 중복을 줄이기 위해 상태 공식에 대한 경량 문법적 동치성 검사를 도입한다.
• DPLL 유사 절차가 정지하지 않을 경우 BDD 기반 동치성 검사를 보조로 통합하여 정확성과 정지 보장을 확보한다.

제안 방법

• 상태 동치성 검사와 탐색 노드 확장이라는 두 가지 기본 연산에 기반한 LTLf 합성을 위한 새로운 AND-OR 그래프 탐색 프레임워크를 제안한다.
• 깊이 우선, 실시간 방식으로 에이전트-환경 이동을 생성하기 위한 DPLL 유사 절차를 설계하여 변수 할당의 전체 나열을 피한다.
• 효율적으로 동치인 탐색 노드를 탐지하고 병합하기 위해 상태 공식에 대한 새로운 문법적 동치성 검사를 도입한다.
• DPLL 기반 탐색이 정지하지 않을 경우 정확성을 유지하는 보조 수 Mittel로 이중 결정도형(BDD)을 사용한다.
• Nike라는 도구로 프레임워크를 구현하였으며, 이는 다양한 탐색 전략(예: 참/거짓/랜덤 우선)과 다중 스레딩 실행을 지원한다.
• LTLf 합성의 게임 이론적 시각을 통합하여, 사양의 DFA를 게임 무대로 간주하고 에이전트가 수용 조건을 보장하도록 한다.

실험 결과

연구 질문

• RQ1 LTLf 합성에 대한 전방 탐색 접근법은 이중 지수적 DFA 구축의 성능 저하 문제를 피하면서도 계산 자원에 비례해 효율적으로 확장될 수 있는가?
• RQ2 LTLf 합성에서 이동 생성을 위한 DPLL 유사 절차는 고비용 지식 컴파일에 의존하지 않고도 탐색 공간을 줄일 수 있는가?
• RQ3 상태 공식에 대한 문법적 동치성 검사는 정확성을 희생시키지 않으면서도 성능 향상을 위한 충분한 자르기(pruning)를 제공하는가?
• RQ4 경량 문법적 검사와 BDD 기반 동치성 탐지의 하이브리드 전략은 실질적으로 정확성과 정지를 보장할 수 있는가?
• RQ5 제안된 프레임워크는 실제 LTLf 합성 벤치마크에서 기존 최신 기술 수준의 도구를 능가하는가?

주요 결과

• 제안된 프레임워크의 구현체인 Nike는 2023년 SYNTCOMP 경연에서 LTLf 실현 가능성 트랙에서 우승하였다.
• Nim 02 벤치마크에서 Nike Hash True First는 10개의 인스턴스를 모두 해결하여 평균 114.93ms를 기록했으며, Lydia(22.99ms)와 Lisa Explicit(0.33ms)를 능가했지만, 일부 경우에 Lisa Symbolic(0.33ms)보다는 느렸다.
• Single Counter 벤치마크에서 Nike Bdd True First는 counter_05를 3.75초 내에 해결했고, Lisa Symbolic는 13.7초가 소요되어 복잡한 인스턴스에서 경쟁력 있는 성능을 보였다.
• Nim 03 벤치마크에서 Nike Hash True First는 counter_01을 14.59ms 내에 해결하여 Lydia(270.72ms)와 Lisa Explicit(0.26ms)를 능가했으며, 중간 크기 문제에서의 효율성을 입증했다.
• 더 복잡한 Nim 05 벤치마크에서는 Nike의 BDD 기반 변종이 counter_01을 220.65초 내에 해결했고, Lisa Symbolic와 Lisa Explicit는 시간 제한 내에 해결하지 못해 어려운 인스턴스에서의 강건성을 입증했다.
• DPLL 유사 이동 생성 절차는 전체 나열을 피하고 컴파일 오버헤드를 줄여, SDD 기반 접근법과 비교해 많은 경우에서 탐색 공간을 더 빠르게 탐색할 수 있었다.