論文の概要: Spatiotemporal Robustness of Temporal Logic Tasks using Multi-Objective Reasoning

• arxiv url: http://arxiv.org/abs/2603.29868v1
• Date: Wed, 28 Jan 2026 17:44:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.161739
• Title: Spatiotemporal Robustness of Temporal Logic Tasks using Multi-Objective Reasoning
• Title（参考訳）: 多目的推論を用いた時間的論理タスクの時空間ロバスト性
• Authors: Oliver Schön, Lars Lindemann,
• Abstract要約: 本稿では,離散時間信号に対して評価された時間論理仕様のロバスト性を評価する。 STRを多目的推論問題として定義し、空間的および時間的摂動上の部分順序で定式化する。 我々の知る限りでは、これは多目的推論を通じて複数の次元にわたる堅牢性を扱う最初の研究である。
• 参考スコア（独自算出の注目度）: 2.7214777196418645
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The reliability of autonomous systems depends on their robustness, i.e., their ability to meet their objectives under uncertainty. In this paper, we study spatiotemporal robustness of temporal logic specifications evaluated over discrete-time signals. Existing work has proposed robust semantics that capture not only Boolean satisfiability, but also the geometric distance from unsatisfiability, corresponding to admissible spatial perturbations of a given signal. In contrast, we propose spatiotemporal robustness (STR), which captures admissible spatial and temporal perturbations jointly. This notion is particularly informative for interacting systems, such as multi-agent robotics, smart cities, and air traffic control. We define STR as a multi-objective reasoning problem, formalized via a partial order over spatial and temporal perturbations. This perspective has two key advantages: (1) STR can be interpreted as a Pareto-optimal set that characterizes all admissible spatiotemporal perturbations, and (2) STR can be computed using tools from multi-objective optimization. To navigate computational challenges, we propose robust semantics for STR that are sound in the sense of suitably under-approximating STR while being computationally tractable. Finally, we present monitoring algorithms for STR using these robust semantics. To the best of our knowledge, this is the first work to deal with robustness across multiple dimensions via multi-objective reasoning.
• Abstract（参考訳）: 自律システムの信頼性は、その堅牢性、すなわち不確実性の下で目的を達成する能力に依存する。 本稿では,離散時間信号に対して評価された時間論理仕様の時空間ロバスト性について検討する。 既存の研究はブール適合性だけでなく、与えられた信号の許容空間摂動に対応する不満足性から幾何学的距離を捉える頑健な意味論を提案している。 対照的に、許容空間と時間的摂動を同時に捉える時空間頑健性(STR)を提案する。 この概念は、マルチエージェントロボット、スマートシティ、航空交通管制など、相互作用するシステムにとって特に有益である。 STRを多目的推論問題として定義し、空間的および時間的摂動上の部分順序で定式化する。 この観点には2つの大きな利点がある:(1)STRは許容可能な時空間摂動を特徴づけるパレート最適集合として解釈でき、(2)STRは多目的最適化のツールを用いて計算できる。 計算課題をナビゲートするために,計算可能でありながらSTRを適切に過小評価する意味で健全なSTRセマンティクスを提案する。 最後に、これらのロバストなセマンティクスを用いたSTRのモニタリングアルゴリズムを提案する。 我々の知る限りでは、これは多目的推論を通じて複数の次元にわたる堅牢性を扱う最初の研究である。

関連論文リスト

• RRT$^η$: Sampling-based Motion Planning and Control from STL Specifications using Arithmetic-Geometric Mean Robustness [7.121834057343983]
  RRT$は,時間点とサブ形式をまたいだロバストネス対策を統合するサンプリングベースの計画フレームワークである。 誘導信号が制限されたマルチ制約シナリオにおいて,従来のSTLロバスト性に基づくプランナよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2026-02-18T19:45:43Z)
• Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
  スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。 本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。 私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-11-03T18:43:48Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
  ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-01T22:55:55Z)
• Funnel-based Reward Shaping for Signal Temporal Logic Tasks in Reinforcement Learning [0.0]
  本稿では,STL(Signal Temporal Logic)仕様を適用した制御器を学習するために,抽出可能な強化学習アルゴリズムを提案する。 異なる環境を用いた複数のSTLタスクに対して,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-11-30T19:38:21Z)
• Mining Interpretable Spatio-temporal Logic Properties for Spatially Distributed Systems [0.7585262843303869]
  本稿では,時間的データに対する教師なし学習のためのアルゴリズムセットを提案する。 本手法は,複雑性決定木手法を用いて,有界記述のSTREL式を生成する。 本研究では, 都市交通, グリーンインフラストラクチャ, 大気質モニタリングなど多様な分野の事例研究におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-16T04:51:26Z)
• Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
  本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。 我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。 主アルゴリズムの正確性と収束性を保証する。
  論文  参考訳（メタデータ） (2021-02-01T01:13:03Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。