論文の概要: Backpropagation through Signal Temporal Logic Specifications: Infusing
Logical Structure into Gradient-Based Methods
- arxiv url: http://arxiv.org/abs/2008.00097v3
- Date: Mon, 27 Dec 2021 17:15:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 06:55:48.847499
- Title: Backpropagation through Signal Temporal Logic Specifications: Infusing
Logical Structure into Gradient-Based Methods
- Title（参考訳）: 信号時相論理仕様によるバックプロパゲーション:論理構造を勾配法に反映する
- Authors: Karen Leung, Nikos Ar\'echiga, Marco Pavone
- Abstract要約: 本稿では,STLCG(Signal Temporal Logic)公式の定量的意味を計算グラフを用いて計算する手法を提案する。
STLは、連続系とハイブリッド系の両方で生成される信号の空間的および時間的特性を指定できる、強力で表現力のある形式言語である。
- 参考スコア（独自算出の注目度）: 28.72161643908351
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a technique, named STLCG, to compute the quantitative
semantics of Signal Temporal Logic (STL) formulas using computation graphs.
STLCG provides a platform which enables the incorporation of logical
specifications into robotics problems that benefit from gradient-based
solutions. Specifically, STL is a powerful and expressive formal language that
can specify spatial and temporal properties of signals generated by both
continuous and hybrid systems. The quantitative semantics of STL provide a
robustness metric, i.e., how much a signal satisfies or violates an STL
specification. In this work, we devise a systematic methodology for translating
STL robustness formulas into computation graphs. With this representation, and
by leveraging off-the-shelf automatic differentiation tools, we are able to
efficiently backpropagate through STL robustness formulas and hence enable a
natural and easy-to-use integration of STL specifications with many
gradient-based approaches used in robotics. Through a number of examples
stemming from various robotics applications, we demonstrate that STLCG is
versatile, computationally efficient, and capable of incorporating human-domain
knowledge into the problem formulation.
- Abstract（参考訳）: 本稿では,信号時相論理(stl)の定量的意味論を計算グラフを用いて計算する手法であるstlcgを提案する。
STLCGは、勾配ベースのソリューションの恩恵を受けるロボット問題に論理仕様を組み込むことができるプラットフォームを提供する。
特に、stlは強力で表現力に富んだ形式言語であり、連続系とハイブリッド系の両方によって生成される信号の時間的および時間的特性を指定できる。
STLの量的意味論は、信号がSTL仕様を満たすか、違反するかというロバスト性指標を提供する。
本稿では,stlのロバスト性公式を計算グラフに変換するための体系的方法論を考案する。
この表現により、既製の自動微分ツールを利用することで、STLロバスト性公式を効果的にバックプロパゲートし、ロボット工学で多くの勾配に基づくアプローチでSTL仕様を自然かつ容易に統合することができる。
ロボット工学の応用例を数多く紹介し,stlcgは多用途で計算効率が高く,問題定式化に人間ドメイン知識を組み込むことができることを示した。
関連論文リスト
- Directed Exploration in Reinforcement Learning from Linear Temporal Logic [59.707408697394534]
リニア時間論理(LTL)は強化学習におけるタスク仕様のための強力な言語である。
合成された報酬信号は基本的に疎結合であり,探索が困難であることを示す。
我々は、仕様をさらに活用し、それに対応するリミット決定性B"uchi Automaton(LDBA)をマルコフ報酬プロセスとしてキャストすることで、よりよい探索を実現することができることを示す。
論文 参考訳（メタデータ） (2024-08-18T14:25:44Z) - TLINet: Differentiable Neural Network Temporal Logic Inference [10.36033062385604]
本稿では,STL式を学習するニューラルネットワークシンボリックフレームワークであるTLINetを紹介する。
従来の手法とは対照的に,時間論理に基づく勾配法に特化して設計された最大演算子の近似法を導入する。
我々のフレームワークは、構造だけでなく、STL公式のパラメータも学習し、演算子と様々な論理構造の柔軟な組み合わせを可能にします。
論文 参考訳（メタデータ） (2024-05-03T16:38:14Z) - Synthesizing Efficiently Monitorable Formulas in Metric Temporal Logic [4.60607942851373]
システム実行から形式仕様を自動合成する問題を考察する。
時間論理式を合成するための古典的なアプローチの多くは、公式のサイズを最小化することを目的としている。
我々は,この概念を定式化し,有界な外見を持つ簡潔な公式を合成する学習アルゴリズムを考案する。
論文 参考訳（メタデータ） (2023-10-26T14:13:15Z) - Large Language Models as General Pattern Machines [64.75501424160748]
我々は,事前訓練された大規模言語モデル (LLM) が,複雑なトークンシーケンスを自動回帰的に完了することを示す。
驚いたことに、語彙からランダムにサンプリングされたトークンを用いてシーケンスが表現された場合でも、パターン完了の習熟度を部分的に保持することができる。
本研究では,ロボット工学における問題に対して,これらのゼロショット機能がどのように適用されるかを検討する。
論文 参考訳（メタデータ） (2023-07-10T17:32:13Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Interactive Learning from Natural Language and Demonstrations using
Signal Temporal Logic [5.88797764615148]
自然言語(NL)は曖昧で、現実世界のタスクであり、それらの安全性要件はあいまいにコミュニケーションする必要がある。
Signal Temporal Logic (STL) は、ロボットタスクを記述するための汎用的で表現力があり、曖昧な形式言語として機能する形式論理である。
DIALOGUESTLは,(しばしば)曖昧なNL記述から正確かつ簡潔なSTL公式を学習するための対話的手法である。
論文 参考訳（メタデータ） (2022-07-01T19:08:43Z) - Logical blocks for fault-tolerant topological quantum computation [55.41644538483948]
本稿では,プラットフォームに依存しない論理ゲート定義の必要性から,普遍的なフォールトトレラント論理の枠組みを提案する。
資源オーバーヘッドを改善するユニバーサル論理の新しいスキームについて検討する。
境界のない計算に好適な論理誤差率を動機として,新しい計算手法を提案する。
論文 参考訳（メタデータ） (2021-12-22T19:00:03Z) - Inverse Reinforcement Learning of Autonomous Behaviors Encoded as
Weighted Finite Automata [18.972270182221262]
本稿では,論理タスク仕様とコスト関数を実演から学習する手法を提案する。
本稿では,タスクの未知論理構造を近似した重み付き有限オートマトン(WFA)の抽出にスペクトル学習手法を用いる。
高レベルタスクガイダンスのためのWFAと低レベル制御のためのラベル付きマルコフ決定プロセス(L-MDP)との間にある製品を定義し、実証者の行動にマッチするコスト関数を最適化する。
論文 参考訳（メタデータ） (2021-03-10T06:42:10Z) - Mining Environment Assumptions for Cyber-Physical System Models [0.19336815376402716]
出力要求を満たす入力信号のサブセットをコンパクトに記述できることを示す。
教師付き学習手法を用いて,そのような環境仮定をマイニングするアルゴリズムを提案する。
本研究では、交通や医療など複数の分野の現実データに関する実験結果を示す。
論文 参考訳（メタデータ） (2020-05-18T03:05:21Z) - Certified Reinforcement Learning with Logic Guidance [78.2286146954051]
線形時間論理(LTL)を用いて未知の連続状態/動作マルコフ決定過程(MDP)のゴールを定式化できるモデルフリーなRLアルゴリズムを提案する。
このアルゴリズムは、トレースが仕様を最大確率で満たす制御ポリシーを合成することが保証される。
論文 参考訳（メタデータ） (2019-02-02T20:09:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。