Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

Signal Temporal Logic

  • 又稱: STL
  • 類別: Planning & manipulation › Task-level
  • 標籤: formal-methods, temporal-logic, task-specification, control, planning

一種形式化語言,用來在實數值訊號(例如機器人軌跡)上撰寫有時間界限的需求,並附帶一個強健度分數,說明一條軌跡滿足這些需求的程度有多強。

定義

訊號時序邏輯(signal temporal logic,STL)是一種形式化規格語言,用來描述連續實數值訊號隨時間變化的性質。它由 Oded Maler 與 Dejan Nickovic 於 2004 年提出,作為度量區間時序邏輯的延伸,目的是監測來自連續系統與混合系統的訊號。在機器人學中,訊號通常是狀態的軌跡,STL 讓工程師能把像是「在 10 秒內抵達區域 A,在那裡停留至少 2 秒,且絕不進入障礙物 0.5 公尺範圍內」這樣的需求寫成一條精確的公式。

STL 公式由形如 μ(x) ≥ 0 的述詞構成,其中 μ 是狀態的函數,例如到目標的距離;這些述詞再與布林運算子(非、且、或)以及帶有明確時間區間的時序運算子組合:always(恆成立)G[a,b](公式在區間內的每個時刻都成立)、eventually(終將)F[a,b](公式在區間內的某個時刻成立),以及 until(直到)U[a,b]。由於述詞是實數值,STL 除了真/假的意義之外,還具有定量語意。一條軌跡相對於某個公式的強健度(robustness),依照 Fainekos 與 Pappas 以及 Donzé 與 Maler 的定義,是一個有正負號的數值:正值表示公式被滿足,負值表示公式被違反,其大小則說明訊號在判定結果改變之前能被擾動多少。

強健度把規格轉變為最佳化。規劃器可以直接最大化強健度,可以把公式編碼成混合整數規劃中的約束,也可以使用 min 與 max 運算子的平滑近似,以便套用以梯度為基礎的軌跡最佳化與學習方法。STL 也用於在執行時監測系統是否符合其需求,以及透過搜尋使強健度變為負值的擾動來否證控制器。主要的實務代價在於運算:巢狀的時序運算子與較長的時域會讓產生的最佳化問題變得龐大,而不平滑的 min/max 結構也讓梯度方法變得複雜。

為何重要

許多機器人任務都有期限、先後順序與安全方面的需求,很難以單一成本函數或獎勵表達。STL 賦予這些需求精確的意義,使其能被檢查、監測與最佳化,而它的強健度分數為控制器提供可運用的裕度,而不只是通過或失敗的二元結果。

主要應用

  • 為移動機器人與無人機撰寫帶有期限與先後順序的任務規格
  • 最大化規格強健度的模型預測控制
  • 在執行時監測安全與時序需求
  • 控制器的否證與測試,包括車用系統
  • 為學習式策略形塑獎勵或約束
  • 具有時間界限之共同目標的多機器人協調

實際應用

一支開發倉儲機器人的團隊把任務寫成一條 STL 公式:終將在 30 秒內抵達取貨區,接著在之後的 20 秒內抵達卸貨區,同時始終與貨架和人員保持至少 0.3 公尺的距離。他們把機器人建模為雙積分器,在滾動時域上將公式編碼為混合整數約束,並在一個最大化強健度的模型預測控制迴路中求解。當有人走進走道時,障礙物述詞隨之改變,求解器重新規劃,而記錄下的強健度數值顯示機器人距離違反間距需求有多近。在測試期間,同一條公式也作為離線監測器,在記錄下來的軌跡上執行。

常見誤解

  • 這裡的 STL 就是 STL 3D 模型檔案格式 — 這個縮寫也指 CAD 與 3D 列印所用的立體光刻網格格式,它與訊號時序邏輯無關
  • STL 只能給出是或否的答案 — 它的定量強健度語意給出有正負號的滿足裕度,控制器與最佳化器都能加以利用
  • 最大化強健度一定會產生自然的行為 — 標準強健度只取決於最壞情況的那個時刻,因此最佳化器可能產生只在某一瞬間剛好達到裕度、卻不顧其餘部分的軌跡
  • STL 等同於線性時序邏輯(LTL) — LTL 在沒有明確時間界限的離散命題上推理,而 STL 使用實數值述詞與帶時間的區間

誰需要了解

  • 使用形式化任務規格的運動規劃與控制工程師
  • 自主系統的驗證與安全工程師
  • 結合形式化方法與學習的研究人員
  • 多機器人與無人機任務設計者

相關技術

  • 線性時序邏輯(Linear Temporal Logic)
  • 度量區間時序邏輯(Metric Interval Temporal Logic)
  • 混合整數規劃求解器(Mixed-Integer Programming Solvers)
  • 模型預測控制(Model Predictive Control)
  • 控制屏障函數(Control Barrier Functions)
  • 執行期驗證(Runtime Verification)

相關術語

  • Control Barrier Function
  • Model Predictive Control
  • Mixed-Integer Programming
  • Task Planning
  • Trajectory Planning
  • Double Integrator

相關專案

  • Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
  • MuJoCo MPC: DeepMind's interactive real-time model predictive control framework for MuJoCo
  • PyPose: PyTorch library for differentiable robotics with deep learning and Lie group optimization
  • ros2_control: Hardware abstraction framework for ROS 2 enabling portable robot control code
  • safe-control-gym: Benchmark suite for safe learning-based control: RL and MPC under one API
  • OpEn (Optimization Engine): Embedded nonconvex optimization solver in Rust for real-time MPC on robots

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。