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

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

Licenças

Acesso aberto
Artigo: CC BY 4.0

Tudo o que segue se baseia no artigo completo sob a licença CC BY 4.0; sua figura é mostrada com crédito aos autores.

Em resumo

Uma nova medida de robustez STL que ignora o passado já executado, calculada online por progressão de fórmulas, para que um planejador MPC ainda possa preferir futuros mais seguros após um quase acidente inicial.

Por que importa

Robôs que replanejam com objetivos STL deixam de perder todo o incentivo para melhorar após uma quase violação passada. Como a medida se reduz à robustez comum de uma fórmula progredida, as observações passadas não são reprocessadas e as ferramentas de robustez existentes e outras medidas de robustez podem ser reutilizadas.

Problema

A robustez STL pontua uma trajetória inteira pelo seu ponto mais crítico, de modo que, no MPC, uma aproximação inicial a um obstáculo limita a pontuação de todos os planos posteriores. O robô então não consegue distinguir um plano que se afasta bem de perigos futuros de outro que não o faz.

Solução proposta

A robustness-to-go muda a forma como os predicados são pontuados: antes de um instante escolhido t̂, um predicado conta como +∞ ou −∞ conforme tenha sido satisfeito ou não, e depois de t̂ é pontuado como robustez normal. Os autores provam que ela é correta (positiva exatamente quando a fórmula é satisfeita) e que é igual à robustez comum da fórmula progredida, de modo que a cada passo do MPC a fórmula é progredida com o estado mais recente e as ferramentas padrão de robustez pontuam apenas o horizonte de planejamento.

Principais ideias

No controle por realimentação, o ponto mais crítico da robustez STL pode estar no passado, onde o robô já não pode mudá-lo
A robustness-to-go a partir do instante t̂ é igual à robustez da fórmula progredida até t̂, por isso depende apenas da trajetória sufixo
Depois que um objetivo 'eventually' é cumprido, ele deixa de afetar a função objetivo, de modo que o robô pode sair da região-alvo; os autores argumentam que a satisfação passada não pode ser perturbada, então mais robustez ali é desperdício
A medida é ortogonal a medidas de robustez médias, como a Generalized Mean Robustness, e pode ser combinada com elas

Principais resultados

Tarefa de alcançar e evitar (100 execuções, ambiente dinâmico): taxa de sucesso de 0,91 com Ro-To-Go contra 0,63 com a robustez STL
Tarefa de permanecer na região (100 execuções): taxa de sucesso de 0,99 com Ro-To-Go contra 0,76 com a robustez STL
Robustez média: −0,079 ± 0,574 contra −0,421 ± 0,795 (alcançar e evitar), 0,601 ± 0,166 contra 0,341 ± 0,344 (permanecer); a robustez máxima atingível em alcançar e evitar é 0,1
Distância mínima média da região dinâmica em alcançar e evitar: 0,312 ± 0,217 com Ro-To-Go contra 0,172 ± 0,253 com robustez (unidades não informadas na Tabela I)
Exemplo trabalhado (Fig. 1): o plano baseado em robustez chega a 0,13 m da pessoa, o plano Ro-To-Go a 0,79 m

Limitações

Cada passo do MPC resolve um problema que pressupõe um ambiente estático ao longo do plano, por isso não há garantias de segurança para os planos de movimento
Com fórmulas 'eventually' o comportamento é menos robusto: o robô sai do objetivo depois de alcançá-lo
A abordagem baseada em otimização (NLP) na qual se apoia é incompleta e encontra ótimos locais
A medida continua local: o ponto mais crítico dentro do horizonte de planejamento decide a pontuação
Avaliado apenas em simulação com um robô duplo integrador 2D e movimento aleatório do ambiente; sem experimentos em hardware

Impacto na área

Finalista do ICRA 2026 Best Paper Award in Automation, com 1 citação. O artigo não disponibiliza código; baseia-se na biblioteca de código aberto STLRom e no VP-STO.

Resumo

A robustez da lógica temporal de sinais (STL) é um objetivo comum para o controle ótimo de robôs, mas sua dependência do histórico limita a capacidade de decisão do robô quando usada em abordagens de controle preditivo baseado em modelo (MPC). Neste trabalho, apresentamos a Signal Temporal Logic robustness-to-go (Ro-To-Go), uma nova semântica quantitativa para essa lógica que isola as contribuições das trajetórias sufixo. Provamos sua relação com a progressão de fórmulas da lógica temporal métrica (Metric Temporal Logic) e mostramos que a robustness-to-go depende apenas da trajetória sufixo e da fórmula progredida. Implementamos a robustness-to-go como objetivo em um algoritmo de MPC e usamos a progressão de fórmulas para avaliá-la de forma eficiente online. Testamos o algoritmo em simulação e o comparamos com um MPC que usa a robustez STL tradicional. Nossos experimentos mostram que usar a robustness-to-go resulta em uma taxa de sucesso maior.

Open Source Robotics