Efficient Symbolic Approaches for Quantitative Reactive Synthesis with Finite Tasks

要約

この研究では、定量的反応性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対話する必要がある、リソースに制約のあるロボット マニピュレータについて考えます。
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、可能な場合には人間との協力を求める事後対応​​戦略を生成します。
私たちは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、協力を促すための後悔を最小限に抑える戦略を検討します。
スケーラビリティを可能にするために、ゲームのシンボリック表現を使用します。
合成では、最初に、最小-最大目標を持つゲーム用の値反復アルゴリズムを導入します。
次に、この方法を後悔を最小限に抑える目的に拡張します。
私たちのベンチマークは、私たちのシンボリック フレームワークが計算時間を大幅に (最大 1 桁) 改善するだけでなく、最先端技術の最大 2 倍のオブジェクトと場所を含む、はるかに大きな操作問題のインスタンスまでスケールアップできることを示しています。

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