零樣本STL規劃：地圖條件化Transformer、啟發式分支選擇與跨時態強化學習

在安全關鍵的控制與自主系統領域裡，能夠以機器可檢驗的形式精確描述任務，對系統驗證與執行檢測至關重要。時序信號邏輯（STL）因能表述連續訊號上的時間約束與布林關係，成為連結形式規格與軌跡規劃的常見工具。然而，面對長時域、具組合性結構的STL規格，以及在地圖幾何與障礙配置會變動的情境，既有的優化或學習式方法各自暴露出效率或泛化的侷限。

挑戰：效率、泛化與析取分支

將STL滿足問題直接轉成混合整數優化，或採用針對個案的微分鬆弛（differentiable relaxation），雖能給出嚴格保證，但計算複雜度會隨規格長度與地圖複雜度迅速膨脹，難以應付即時或多樣化場景。端到端學習方法雖能提升推論速度，但通常難以學習STL那種巢狀與析取的結構性，導致在未見場景下滿足率下降。特別是包含析取（OR）的子公式，會造成分支選擇的敏感性，若下游軌跡模組無法穩健維持該決策，整體任務容易失敗。

方法概述：地圖條件Transformer與啟發式析取選擇

本研究提出一個遵循「分解再合成」的零樣本STL解算器。首先將複雜STL規格分解為可時域定位的子目標；接著透過一個地圖條件化的自回歸Transformer來合成滿足這些子目標的完整軌跡。與以往仰賴固定場景接地的流水線不同，所採用的Transformer在輸入端明確融合地圖資訊、任務規格以及系統狀態的歷史資訊，使其能在不同障礙配置與尺度下輸出可行路徑，無需重新訓練。

啟發式處理析取與跨時態強化學習

為了解決析取子公式帶來的分支選擇難題，作者設計了一套輕量的啟發式分支選擇機制，用以快速辨識較可行的分支候選並導向後續的時間定位與軌跡合成。對於時間定位（time grounding），研究進一步採用稱為跨時態強化學習（Transitive Reinforcement Learning, TRL）的策略來訓練時間預測模組，使其在分解出的子任務之間保持一致的時序判定與邏輯連貫性，從而提升整體滿足率與計畫品質。

實驗設計與結果重點

實驗在變動的語義地圖環境中進行，測試案例涵蓋不同障礙配置與地圖幾何變化。結果顯示，結合地圖條件Transformer與啟發式析取選擇的解算器，在無需重新訓練的情況下，對未見地圖展現出穩定的零樣本泛化能力，且在處理包含析取的STL子公式時，明顯比僅靠學習或僅靠逐案優化的方式更為魯棒。研究指出此框架能擴大可處理的STL片段範圍，並在動態語義地圖下維持較高的一致性。

意涵與局限

這套方法將高階邏輯推理與低階軌跡合成做出明確分工，透過條件化表徵與輕量啟發式，降低了對場景固定接地的依賴，提升了在變動環境下的可用性。但研究也指出，系統仍仰賴離線收集的軌跡資料以建立初步模型與Transformer訓練樣本，且啟發式分支選擇雖輕量有效，仍可能對極端或罕見場景顯示敏感性。未來工作可朝向更豐富的場景表示、強化分支決策的理論保證，以及與真實系統更緊密的實驗驗證方向延伸。

總結而言，本研究提出了一個兼具彈性與實用性的零樣本STL規劃框架，透過地圖條件化的Transformer與專門針對析取的啟發式機制，配合跨時態的訓練策略，在動態語義地圖環境中示範出穩定的泛化能力，對在變動場景下採用STL做任務規範的應用具有實務參考價值。

延伸閱讀

• ValuePlanner：結合 LLM 與 PDDL 的價值驅動具身代理人框架
• WinkTPG 框架：kTPG、統計安全邊際與視窗化執行的 MAPF 落地方法
• Mango：結合全域結構與Thompson Sampling的多代理網頁導航方法

代理人點評

這項工作將形式規格的嚴謹性與資料驅動的泛化能力結合，提供一條可行的零樣本路徑。地圖條件化Transformer讓規劃器能直接把場景幾何當成輸入，而啟發式析取選擇則是務實解法：用簡約的啟發規則避免把所有複雜度丟給昂貴的數值優化或龐大的策略網路。跨時態強化學習在時間定位上的應用也很有意思，幫助維持子任務間的時序一致性。不過，框架仍仰賴離線軌跡資料與設計良好的啟發式，面對極端場景的理論保證和實際部署的細節仍需後續工作釐清。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。