基于语义学习的LTL综合中获胜策略的猜测
人工智能
2023-05-25 v1 系统与控制
系统与控制
摘要
我们提供了一种基于学习的技术,用于猜测源自LTL综合问题的奇偶博弈中的获胜策略。廉价获得的猜测在多种应用中是有用的。它不仅可以在博弈规模巨大而禁止严格方法的情况下作为尽力而为的猜测策略使用,还能以几种方式提升严格LTL综合的可扩展性。首先,检验所猜策略是否获胜比构造一个获胜策略更容易。其次,即使猜测在某些位置错误,也可通过策略迭代比从头构造更快地修正。第三,该猜测可用于按需(on-the-fly)方法中,以优先在最富成效的方向上探索。与先前工作不同,我们(i)反映了博弈状态中高度结构化的逻辑信息,即所谓的语义标记,其来自近期LTL到自动机的翻译;(ii)通过从先前已解博弈中学习来正确反映该信息,使求解过程更接近于类人推理。
引用
@article{arxiv.2305.15109,
title = {Guessing Winning Policies in LTL Synthesis by Semantic Learning},
author = {Jan Kretinsky and Tobias Meggendorfer and Maximilian Prokop and Sabine Rieder},
journal= {arXiv preprint arXiv:2305.15109},
year = {2023}
}