Signal Temporal Logic
- 又称: STL
- 类别: Planning & manipulation › Task-level
- 标签: formal-methods, temporal-logic, task-specification, control, planning
一种形式化语言,用于在实值信号(例如机器人轨迹)上编写有时间界限的需求,并带有一个鲁棒度分数,说明一条轨迹满足这些需求的程度有多强。
定义
信号时序逻辑(signal temporal logic,STL)是一种形式化规约语言,用于描述连续的实值信号随时间变化的性质。它由 Oded Maler 和 Dejan Nickovic 于 2004 年作为度量区间时序逻辑的扩展提出,目的是监测来自连续系统和混合系统的信号。在机器人学中,信号通常是状态的轨迹,STL 让工程师可以把诸如“在 10 秒内到达区域 A,在那里停留至少 2 秒,并且始终不进入障碍物 0.5 米范围之内”这样的需求写成一条精确的公式。
STL 公式由形如 μ(x) ≥ 0 的谓词构成,其中 μ 是状态的函数,例如到目标的距离;这些谓词再与布尔运算符(非、与、或)以及带有显式时间区间的时序运算符组合:always(始终)G[a,b](公式在区间内的每个时刻都成立)、eventually(最终)F[a,b](公式在区间内的某个时刻成立)以及 until(直到)U[a,b]。由于谓词是实值的,STL 除了真/假含义之外还具有定量语义。一条轨迹相对于某个公式的鲁棒度(robustness),按照 Fainekos 和 Pappas 以及 Donzé 和 Maler 的定义,是一个有符号的数:正值表示公式被满足,负值表示公式被违反,其绝对值则说明信号在判定结果改变之前可以被扰动多少。
鲁棒度把规约变成了优化。规划器可以直接最大化鲁棒度,可以把公式编码为混合整数规划中的约束,也可以使用 min 和 max 运算符的光滑近似,从而应用基于梯度的轨迹优化和学习方法。STL 还用于在运行时监测系统是否满足其需求,以及通过搜索使鲁棒度变为负值的扰动来证伪控制器。主要的实际代价在计算方面:嵌套的时序运算符和较长的时域会使得到的优化问题变得很大,而非光滑的 min/max 结构也使梯度方法变得复杂。
为何重要
许多机器人任务都有截止时间、先后顺序和安全方面的需求,很难用单个代价函数或奖励来表达。STL 赋予这些需求精确的含义,使其可以被检查、监测和优化,而它的鲁棒度分数为控制器提供了一个可利用的裕度,而不只是二元的通过或失败。
主要应用
- 为移动机器人和无人机编写带截止时间和先后顺序的任务规约
- 最大化规约鲁棒度的模型预测控制
- 对安全和时序需求进行运行时监测
- 控制器的证伪与测试,包括汽车系统
- 为学习型策略塑造奖励或约束
- 具有时间界限的联合目标的多机器人协同
实际应用
一个开发仓库机器人的团队把任务写成一条 STL 公式:最终在 30 秒内到达取货区,然后在接下来的 20 秒内到达卸货区,同时始终与货架和人员保持至少 0.3 米的距离。他们把机器人建模为双积分器,在滚动时域上把公式编码为混合整数约束,并在一个最大化鲁棒度的模型预测控制回路中求解。当有人走进通道时,障碍物谓词随之改变,求解器重新规划,而记录下来的鲁棒度值显示机器人离违反间距要求有多近。在测试期间,同一条公式还作为离线监测器在记录的轨迹上运行。
常见误解
- 这里的 STL 就是 STL 3D 模型文件格式 — 这个缩写也指 CAD 和 3D 打印中使用的立体光刻网格格式,它与信号时序逻辑无关
- STL 只给出是/否的答案 — 它的定量鲁棒度语义给出一个有符号的满足裕度,控制器和优化器都可以利用
- 最大化鲁棒度总能产生自然的行为 — 标准鲁棒度只取决于最坏情况的那个时刻,因此优化器可能产生只在某一瞬间恰好满足裕度、而不顾其余部分的轨迹
- STL 就是线性时序逻辑(LTL) — LTL 在不带显式时间界限的离散命题上推理,而 STL 使用实值谓词和带时间的区间
谁需要了解
- 使用形式化任务规约的运动规划和控制工程师
- 自主系统的验证和安全工程师
- 将形式化方法与学习相结合的研究人员
- 多机器人和无人机任务设计者
相关技术
- 线性时序逻辑(Linear Temporal Logic)
- 度量区间时序逻辑(Metric Interval Temporal Logic)
- 混合整数规划求解器(Mixed-Integer Programming Solvers)
- 模型预测控制(Model Predictive Control)
- 控制屏障函数(Control Barrier Functions)
- 运行时验证(Runtime Verification)
相关术语
- Control Barrier Function
- Model Predictive Control
- Mixed-Integer Programming
- Task Planning
- Trajectory Planning
- Double Integrator
相关项目
- 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