【阅读随笔】Modularized Control Synthesis for Complex Signal Temporal Logic Specifications

又是一篇有关STL任务分解的文章

[1] Z. Zhang and S. Haesaert, “Modularized Control Synthesis for Complex Signal Temporal Logic Specifications.” arXiv, Mar. 29, 2023. doi: 10.48550/arXiv.2303.17086.

Outline

• 通过一系列规则将复杂的STL公式转化为独立的模块，从而提高MILP的求解效率
• 证明了分解后子公式与原公式的等价性
• 提出LSR方法求解控制律

---

1 Intro

通常的STL综合问题使用MILP进行编码求解，但是当公式比较复杂的时候求解时间很长，因此本文提出使用模块化公式的方法，分开求解控制律以提升计算效率。

提升控制综合效率的方法还有：

• model checking方法：[14]将STL转化为timed Automata
• CBF[12]和Funnel法[15]

2 Preliminaries and Problem Statement

系统表示

本文处理连续时间系统，系统动态由以下微分方程表示：

STL语法分解

定义子公式：不可用布尔逻辑算子继续分解的公式

分解规则：$\phi ={\phi }_1{U}_{(a,b)}{\phi }_2$能够拆分为(4)式

• (4)式在说什么呢？
  • $\phi ={\phi }_1{U}_{(a,b)}{\phi }_2$能够以两种情况成立，这里以递归的形式进行定义
  • 要么在某个$\tau$时刻之前完成
  • 如果在$\tau$时刻之后完成，则$(a,\tau )$时${\phi }_1$一直成立，并且在$\tau$瞬间，再次分两种情况：
    • ${\phi }_1$和${\phi }_2$在这一瞬间同时成立
    • 或者之后剩下的时间里满足${\phi }_1{U}_{(0,b-t)}{\phi }_2$
  • 简单的来说，就是对于$(a,b)$中的任何一个时刻$\tau$，要么在这个时间前、要么当时、要么之后确定公式的满足性
• 这里的花括号 { τ } \{\tau\} {τ}表示$t=\tau$这个时间点

Reachable Set and Largest Satisfaction Region

接下来要我们一步一步引入本文最核心的概念——LSR

• ${\mathcal{R}}_{\tau }({\mathcal{X}}_0)$reachable set: 由某一初始状态集合出发在**$\tau$时刻的所有可能状态**
• ${\mathcal{R}}_{\tau }^{-1}({\mathcal{X}}_{\tau })$ inverse reachable set: 能到达当前状态的全部初始状态
• ${\mathcal{U}}_{\tau }({\mathcal{X}}_0,\phi )$ admissible control set: 所有使得系统状态不违反约束的的控制序列
• $S_0(\phi )$ largest specification region: 存在控制下最大的初始状态集合，使得轨迹满足约束（也就是排除掉怎么都会破坏约束的剩余初始状态）

Problem Statement

本文接下来要解决三个问题：

• 分解STL公式，使得时间区间尽量短且没有区域重合

• 由子公式的LSR得到原公式的LSR

• 从LSR中选择一个初始状态设计开环控制器

3 Main Results

这一章中，首先定义了什么是充分分解式，其次提出了一套将普通公式转化为这类公式的方法，最后提出使用模块化方法求解LSR与控制律

A. Sufficiently Separate Formulas

• S2-formulas: 子公式的时间区间不重合的公式
  • 以下两种公式的所有的子公式没有重合的时间内区间为充分分离
    • $\gamma$-formulas: always式的逻辑与组合
    • $\xi$-formulas: eventually式的逻辑或组合
  • $\gamma$型和$\xi$型公式的数量相等称为充分分离
    • $\psi$-formula: 上面2种公式的逻辑与组合

B. 将$\psi$型公式转化为$S^2$型

首先看两条引理：

Lemma 1:

1. 对于单个时间点，always和eventually等价
2. 对于单个时间点，always or可以直接拆分（一般情况是不能的）
3. 对于单个时间点，always always和eventually eventually可以直接简化

Lemma 2:

• always可以用and将时间区间拆开，eventually可以用or将时间区间拆开

分别可以对$\gamma$型和$\xi$型公式引出分解规则：

1. 时间区间的拆分
   
2. 布尔逻辑的拆分

以上的拆分方法都是不改变语义的，能够保证公式的soundness

C.Modularized Solution of Largest Satisfying Regions

B中的方法能够将所有的$\psi$型公式转化为S2型，这一部分介绍了如何从子公式的LSR中求解复杂总公式的LSR。

$\tau$-LSR

• 前面的LSR $S_0$ 为初始状态集合，而Def4修改定义为$\tau$时刻状态集合
• 总公式的LSR根据子公式的布尔逻辑组合方式得到（显而易见）
  • 逻辑与就是取交集
  • 逻辑或就是取并集

D. Modularized Synthesis of an $\Psi$-class formula

控制综合3步走：

1. 将$\psi$型公式分解为$\gamma$型和$\xi$型公式两类
2. 求解每个子公式的LSR，并利用C中的规则得到总LSR
3. 模块化控制综合

• 第$j$个公式头部第与$j$个公式尾部的定义:
• 由于分解过程中涉及到时间区间的分割，因此需要确保轨迹的连贯性：设计控制器时需保证$a_{j+1}$时刻的状态落在剩余公式的LSR中
• 这个方法提升效率的原因在于每当过去的一个子公式被满足，就可以以后不用再考虑
• 对于eventually子公式有一个特殊处理，不需要等到子公式的时域结束就能够判断其满足性，因此只要为真就移除，以减小计算负担
• 通过求解优化问题得到问题的解

4 Case Study

实验场景设置为如下平面空间，机器人考虑为单积分器模型，控制量大小有上限。

机器人要处理的任务为：$\psi =G_{[0,30]}{\phi }_0\wedge G_{[15,45]}{\phi }_1\wedge F_{[0,45]}{\phi }_2$

1. 30秒前，每5秒至少访问一次$Z_0$: ${\phi }_0=F_{[0,5]}(\zeta \in Z_0)$
2. 15s-45s，机器人离开$Z_1$后必须在5s内回来 : 6${\phi }_1=\neg (\zeta \in Z_1)\to F_{[0,5]}(\zeta \in Z_1)$
3. 45s前，必须在$Z_2$内待够3s充电 : $G_{[0,3]}(\zeta \in Z_2)$

接下来作者用这个例子一步一步演示了自己的算法：
第一步：将原公式改写为S2型

第二步：求LSR，也就是Fig 1中粉红色的部分

第三步：模块化控制综合

根据第一步的分解，将公式切分为了0-15,15-30和30-45三段，因此分段求出了控制律

得到的轨迹信息如下，可见总轨迹是满足STL约束的，且求解优化问题的总时间明显更短

5 Conclusion

局限：

1. 只处理always和eventually的分解
2. 开环，对不确定性不具有鲁棒性

---

读后心得

• 所谓模块化，不如说是分阶段求解，本文实际上上将复杂公式拆解为时间窗口不重合几段进行分别求解