[논문 리뷰] Integrating active sensing into reactive synthesis with temporal logic constraints under partial observations

Jie Fu, Ufuk Topcu|arXiv (Cornell University)|2014. 10. 01.

Formal Methods in Verification참고 문헌 8인용 수 3

한 줄 요약

이 논문은 부분 관찰 하에서 시간 논리 제약 조건을 만족시키는 온라인 반응형 합성 프레임워크를 제안한다. 이는 활성 센싱을 통합하여 LTL 사양을 거의 확실하게 만족시킨다. 민감도 기반 제어 전략과 불확실성을 줄이는 활성 센싱 전략을 번갈아 적용함으로써, 전체 부분 관찰 합성의 높은 계산 비용을 피하면서도 충분한 센서 조건 하에서 정확도를 1로 보장한다.

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.

연구 동기 및 목표

• 동적이고 적대적인 환경에서 부분 관찰 하에서 반응형 합성의 높은 계산 복잡도를 해결하기 위해.
• 런타임에 환경 상태 정보가 완전히 제공되지 않을 경우에도 정확한 제어 합성 가능하게 하기 위해.
• 부분 관찰 하에서 두 플레이어 게임을 완전히 풀지 않고 온라인 재계획을 통해 센싱 동작을 활용하여 계산 부담을 줄이기 위해.
• 민감도 기반 제어와 활성 센싱 전략의 조합을 통해 LTL 사양의 거의 확실한 만족도를 보장하기 위해.
• 불확실성 하에서 로봇 운동 계획 및 제어를 위한 실용적이고 확장 가능한 방법 제공하기 위해.

제안 방법

• 시스템은 부분 관찰과 이력 기반으로 가능한 현재 상태의 민감도 집합을 유지한다.
• 초기에는 완전한 정보 하에서 확보 승리 전략을 합성하고 이를 부분 관찰 하에서 사용 가능한 랜덤 민감도 기반 전략으로 변환한다.
• 현재 민감도에 대해 민감도 기반 전략이 정의되지 않을 경우 활성 센싱 전략이 활성화된다.
• 센싱 동작은 문장식 공식(예: 악취 감지)을 질의하여 센서 결과에 기반해 민감도를 업데이트한다.
• 시스템은 런타임에서 민감도 기반 전략과 활성 센싱 전략을 번갈아 사용한다.
• 시스템이 항상 불확실성을 해소하고 LTL 사양을 거의 확실하게 만족시킬 수 있도록 센서 집합에 대한 충분한 조건을 제공한다.

실험 결과

연구 질문

• RQ1 활성 센싱은 부분 관찰 하에서 반응형 합성의 계산 비용을 줄이면서도 정확성을 유지할 수 있는가?
• RQ2 완전한 정보 하에서 합성된 전략은 어떻게 민감도 기반 온라인 제어 프레임워크에서 활용될 수 있는가?
• RQ3 어떤 조건에서 활성 센싱은 부분 관찰 환경에서 LTL 사양의 거의 확실한 만족도를 보장할 수 있는가?
• RQ4 센서 설계와 질의 선택은 어떻게 하면 센싱 비용을 최소화하면서 불확실성 감소를 극대화할 수 있는가?
• RQ5 실시간 의사결정을 지원하기 위해 런타임 중 민감도 갱신을 어떻게 효율적으로 계산할 수 있는가?

주요 결과

• 충분한 센서 집합 조건 하에서 주어진 LTL 사양을 거의 확실하게 만족시킨다.
• 실행 중 최대 민감도 집합의 기수는 43이었으며, 이는 로봇 운동 계획 사례에서 관리 가능한 불확실성 전파를 나타낸다.
• 단계당 평균 결정 시간은 8.55×10⁻⁴초였으며, 표준 하드웨어에서 실시간 실행 가능성을 입증한다.
• 제품 게임 계산에 40.14초가 소요되었고, 완전한 정보 하에서의 승리 전략 계산은 14초가 걸렸다.
• 1000단계 동안 로봇은 목표 영역 집합 F를 14번 방문했으며, 무한히 반복됨을 확인하여 장기적 사양 만족도를 입증했다.
• 활성 센싱 전략은 현재의 불확실성과 사양 목표를 기반으로 가장 정보가 많은 질의를 선택하여 불필요한 센싱을 최소화했다.