Efficient Symbolic Approaches for Quantitative Reactive Synthesis with Finite Tasks

要約

この作品は、定量的反応合成のための効率的なシンボリック アルゴリズムを紹介します。
線形時相論理で表現される複雑なタスクを達成するために人間とやり取りする必要がある、リソースに制約のあるロボット マニピュレーターを検討します。
私たちのフレームワークは、タスクの完了を保証するだけでなく、可能な場合は人間との協力を求める反応戦略を生成します。
インタラクションを 2 プレイヤー ゲームとしてモデル化し、協力を促進するための後悔を最小限に抑える戦略を検討します。
ゲームのシンボリック表現を使用して、スケーラビリティを実現します。
合成については、最初に最小最大目標を持つそのようなゲームの値反復アルゴリズムを導入します。
次に、方法を後悔を最小化する目的に拡張します。
私たちのベンチマークは、シンボリック フレームワークが計算時間を大幅に改善する (最大 1 桁まで) だけでなく、最新技術よりも最大 2 倍のオブジェクトと場所を使用して操作問題のはるかに大きなインスタンスにスケールアップできることを明らかにしています。

要約(オリジナル)

This work introduces efficient symbolic algorithms for quantitative reactive synthesis. We consider resource-constrained robotic manipulators that need to interact with a human to achieve a complex task expressed in linear temporal logic. Our framework generates reactive strategies that not only guarantee task completion but also seek cooperation with the human when possible. We model the interaction as a two-player game and consider regret-minimizing strategies to encourage cooperation. We use symbolic representation of the game to enable scalability. For synthesis, we first introduce value iteration algorithms for such games with min-max objectives. Then, we extend our method to the regret-minimizing objectives. Our benchmarks reveal that our symbolic framework not only significantly improves computation time (up to an order of magnitude) but also can scale up to much larger instances of manipulation problems with up to 2x number of objects and locations than the state of the art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google