LTLf规划中的颤抖手问题

考虑一个智能体为了实现其时间目标而行动，但存在“颤抖手”。在这种情况下，智能体可能由于动作选择机制中的故障或不精确，以一定（通常很小）概率错误地执行非预期的动作，从而导致目标可能失败。我们研究了在有限迹线性时序逻辑（LTLf）表达的时间扩展目标的动作推理和规划背景下的颤抖手问题，我们希望合成一个策略（即计划），该策略在存在颤抖手的情况下最大化满足LTLf目标的概率。我们考虑了确定性和非确定性（对抗性）领域。我们分别基于马尔可夫决策过程和具有集值转移的马尔可夫决策过程（带有LTLf目标）提出了两种情况的求解技术，其中集值概率转移同时捕捉了环境中的非确定性和智能体的可能动作指令错误。我们正式证明了求解技术的正确性，并通过概念验证实现实验证明了其有效性。