Ro-To-Go! Robust Reactive Control with Signal Temporal Logic

저자: Roland Ilyes, Lara Brudermüller, Nick Hawes, Bruno Lacerda · ICRA 2026

라이선스

오픈 액세스
논문: CC BY 4.0

아래 내용은 모두 논문의 라이선스(CC BY 4.0)에 따라 논문 전문을 바탕으로 하며, 그림에는 저자를 표기했습니다.

요약

이미 실행된 과거를 무시하고 공식 진행으로 온라인 계산되는 새로운 STL 강건성 척도로, 초기에 아슬아슬한 순간이 있었더라도 MPC 플래너가 여전히 더 안전한 미래를 선호할 수 있게 한다.

중요한 이유

STL 목적 함수로 재계획하는 로봇이 과거에 거의 위반할 뻔한 순간이 있었다고 해서 개선할 동기를 모두 잃지 않게 된다. 이 척도는 진행된 공식에 대한 일반 강건성으로 환원되므로, 과거 관측을 다시 처리하지 않으며 기존 강건성 도구와 다른 강건성 척도를 재사용할 수 있다.

문제

STL 강건성은 궤적 전체를 가장 결정적인 지점으로 채점하므로, MPC에서는 초기에 장애물에 가깝게 접근한 일이 이후 모든 계획의 점수에 상한을 씌운다. 그러면 로봇은 미래의 위험에서 멀리 벗어나는 계획과 그렇지 않은 계획을 구별할 수 없다.

제안 방법

Robustness-to-go는 술어를 채점하는 방식을 바꾼다. 선택한 시점 t̂ 이전에는 술어가 성립했는지에 따라 +∞ 또는 −∞로 계산하고, t̂ 이후에는 일반 강건성으로 채점한다. 저자들은 이것이 건전하며(공식이 충족될 때 정확히 양수), 진행된 공식의 일반 강건성과 같다는 것을 증명한다. 따라서 각 MPC 스텝에서 최신 상태로 공식을 진행하고, 표준 강건성 도구가 계획 구간만 채점한다.

핵심 통찰

피드백 제어에서 STL 강건성의 가장 결정적인 지점은 로봇이 더 이상 바꿀 수 없는 과거에 있을 수 있다
시점 t̂부터의 robustness-to-go는 t̂까지 진행된 공식의 강건성과 같으므로, 접미 궤적에만 의존한다
'eventually' 목표가 일단 충족되면 더 이상 목적 함수에 영향을 주지 않으므로 로봇이 목표 영역을 떠날 수 있다. 저자들은 과거의 충족은 방해받을 수 없으므로 그 부분의 강건성을 더 높이는 것은 낭비라고 주장한다
이 척도는 Generalized Mean Robustness 같은 평균화된 강건성 척도와 직교하며 이들과 결합할 수 있다

주요 결과

도달-회피 과제(100회 실행, 동적 환경): 성공률 Ro-To-Go 0.91 대 STL 강건성 0.63
영역 내 머무르기 과제(100회 실행): 성공률 Ro-To-Go 0.99 대 STL 강건성 0.76
평균 강건성: −0.079 ± 0.574 대 −0.421 ± 0.795(도달-회피), 0.601 ± 0.166 대 0.341 ± 0.344(머무르기). 도달-회피에서 달성 가능한 최대 강건성은 0.1이다
도달-회피에서 동적 영역으로부터의 평균 최소 거리: Ro-To-Go 0.312 ± 0.217 대 강건성 0.172 ± 0.253(Table I에 단위가 명시되지 않음)
예제(Fig. 1): 강건성 기반 계획은 사람에게 0.13 m 이내로 접근하고, Ro-To-Go 계획은 0.79 m 이내로 접근한다

한계

각 MPC 스텝은 계획 기간 동안 환경이 정적이라고 가정하는 문제를 풀기 때문에, 모션 계획에 대한 안전 보장이 없다
'eventually' 공식에서는 동작이 덜 강건하다. 로봇은 목표에 도달하고 나면 목표를 떠난다
이 방법이 기반으로 하는 최적화 기반(NLP) 접근법은 불완전하며 국소 최적해를 찾는다
이 척도는 여전히 국소적이다. 계획 구간 내에서 가장 결정적인 지점이 점수를 결정한다
무작위로 움직이는 환경에서 2D 이중 적분기 로봇에 대해 시뮬레이션으로만 평가되었으며, 하드웨어 실험은 없다

분야에 미친 영향

ICRA 2026 Best Paper Award in Automation 최종 후보, 인용 1회. 논문은 코드를 공개하지 않으며, 오픈소스 STLRom 라이브러리와 VP-STO를 기반으로 한다.

초록

신호 시간 논리(STL) 강건성은 최적 로봇 제어에서 흔히 쓰이는 목적 함수이지만, 이력에 의존하기 때문에 모델 예측 제어(MPC) 접근법에서 사용될 때 로봇의 의사 결정 능력을 제한한다. 본 연구에서 우리는 접미 궤적의 기여를 분리하는 이 논리의 새로운 정량적 의미론인 Signal Temporal Logic robustness-to-go(Ro-To-Go)를 소개한다. 우리는 이것과 메트릭 시간 논리(Metric Temporal Logic)의 공식 진행(formula progression) 사이의 관계를 증명하고, robustness-to-go가 접미 궤적과 진행된 공식에만 의존함을 보인다. 우리는 robustness-to-go를 MPC 알고리즘의 목적 함수로 구현하고, 공식 진행을 사용해 이를 온라인으로 효율적으로 평가한다. 우리는 시뮬레이션에서 알고리즘을 시험하고, 기존 STL 강건성을 사용하는 MPC와 비교한다. 실험 결과 robustness-to-go를 사용하면 더 높은 성공률을 얻는다.

링크

arXiv 2503.05792: https://arxiv.org/abs/2503.05792
DOI 10.1109/ICRA57385.2026.11697342: https://doi.org/10.1109/ICRA57385.2026.11697342
PDF: https://arxiv.org/pdf/2503.05792v1