This paper concerns the verification of continuous-time polynomial spline trajectories against linear temporal logic specifications (LTL without 'next'). Each atomic proposition is assumed to represent a state space region described by a multivariate polynomial inequality. The proposed approach is based on sampling the trajectories in a manner that captures all region transitions, to yield a discrete word called a trace, which is amenable to established formal methods for path checking. The continuous-time trajectory is shown to satisfy the specification if and only if the trace does. General topological conditions on the sample points are derived that ensure a trace is recorded for arbitrary continuous paths, given arbitrary region descriptions. Using techniques from computer algebra, a trace generation algorithm is developed to satisfy these conditions when the path and region boundaries are defined by polynomials. The proposed PolyTrace algorithm has polynomial complexity in the number of atomic propositions, and is guaranteed to produce a trace of any polynomial path. Its performance is demonstrated via numerical simulations.


翻译:本文涉及根据线性时间逻辑规格( LTL 不含“ 下一步” ) 校验连续时间多角度的多角度样条轨迹。 假设每个原子主张代表多变量多元性不平等所描述的状态空间区域。 提议的方法基于对轨迹进行取样, 捕捉所有区域的过渡, 产生一个叫“ 痕量” 的单词, 以产生一个叫做“ 痕量” 的单词, 这符合既定的正规路径检查方法。 连续时间轨迹显示在轨迹发生时才符合规格。 样点的一般地貌条件是, 以确保任意连续路径的踪迹记录, 并给出任意区域描述。 使用计算机代数技术, 开发一种痕量生成算法, 以满足这些路径和区域边界由多数值界定的情况。 拟议的多角度图谱算法在原子主张的数量上具有多层次的复杂性, 并且保证产生任何多层次路径的痕迹。 它的性表现通过数字模拟得到证明。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
62+阅读 · 2021年3月12日
【MIT】反偏差对比学习,Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
专知会员服务
109+阅读 · 2020年3月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年6月10日
Arxiv
1+阅读 · 2021年6月3日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员