💻 computer science

The Temporal Logic Synthesis Format TLSF v1.2

이 논문은 집합, 함수, 매개변수 지원 및 LTLf(유한 실행에 대한 LTL) 의 새로운 의미론 옵션을 도입하여 기존 TLSF 를 확장한 TLSF v1.2 포맷을 제시합니다.

원저자: Swen Jacobs, Guillermo A. Perez, Philipp Schlehuber-Caissier

게시일 2026-04-15

📖 4 분 읽기☕ 가벼운 읽기

원저자: Swen Jacobs, Guillermo A. Perez, Philipp Schlehuber-Caissier

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"TLSF v1.2"**라는 이름의 새로운 **규칙 책 (스펙서)**을 소개하는 문서입니다. 이 규칙 책은 로봇이나 자동화 시스템이 "무엇을 해야 하는지"를 인간이 컴퓨터가 이해할 수 있는 언어로 적어주는 도구입니다.

기존 버전 (v1.1) 에는 이미 좋은 규칙들이 있었지만, 이번 v1.2 버전은 더 똑똑하고 유연해졌습니다. 마치 스마트폰의 운영체제가 업데이트되어 새로운 앱과 기능이 추가된 것과 같습니다.

이 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

1. 이 규칙책은 무엇인가요? (TLSF 란?)

상상해 보세요. 여러분이 마법사이고, 로봇을 부리고 싶다고 가정해 봅시다.

마법사 (사용자): "비 오면 우산 펴고, 해지면 불 켜줘."라고 명령합니다.
로봇 (시스템): 이 명령을 듣고 자동으로 행동합니다.

이때, 마법사가 로봇에게 명령을 내리는 공통된 언어가 필요합니다. 이 언어가 바로 TLSF입니다. 이 언어를 사용하면 로봇이 명령을 잘못 이해하거나, "그런 상황은 없는데?"라고 항의하는 일을 막을 수 있습니다.

2. 이번 업데이트 (v1.2) 의 핵심 변화

A. "유한한 시간"을 다룰 수 있게 되었습니다 (LTLf)

이전 버전 (LTL): 로봇에게 "영원히" 작동하라고 명령하는 방식이었습니다. "비 오면 영원히 우산을 펴고 있어."
새로운 버전 (LTLf): 일상적인 작업을 다룰 수 있게 되었습니다. "비 오면 우산 펴고, 비가 그치면 우산을 접어."
- 비유: 이전에는 로봇이 "영원히 춤을 추라"고 명령했다면, 이제는 "노래가 끝날 때까지 춤을 춰"라고 명령할 수 있습니다. 작업이 끝나는 시점을 명확히 할 수 있게 된 것입니다.
- 새로운 기능: X[!]라는 마법 지팡이가 생겼습니다. 이는 "다음 순간이 반드시 존재해야 한다"는 뜻입니다. "다음 순간이 없다면 (작업이 끝났다면) 이 명령은 실패야"라고 경고하는 역할입니다.

B. "템플릿"과 "매크로"를 지원합니다 (파라미터와 함수)

이전: "1 층은 A 버튼을 누르면 문이 열려. 2 층은 B 버튼을 누르면 문이 열려."라고 일일이 다 적어야 했습니다.
새로운 버전: "N 층은 버튼을 누르면 문이 열려."라고 한 번만 적으면 됩니다.
- 비유: 요리 레시피를 생각해보세요. 예전에는 "감자 100g, 당근 100g"과 "감자 200g, 당근 200g"을 따로 적어야 했지만, 이제는 **"감자 n g, 당근 n g"**라고 적어두고, n 에 숫자를 넣기만 하면 됩니다.
- 함수 (Function): 복잡한 명령을 하나의 이름으로 부를 수 있습니다. "안전 모드"라는 함수를 정의해두면, 복잡한 안전 규칙을 한 줄로 안전 모드라고만 적어도 됩니다.

C. "버스"와 "목록"을 다룹니다 (신호 버스)

이전: 신호 하나하나를 따로따로 부름 (신호 1, 신호 2, 신호 3...).
새로운 버전: 신호를 **열 (Bus)**로 묶어서 다룰 수 있습니다.
- 비유: 전등 스위치가 10 개 있는데, 각각 스위치 1, 스위치 2... 라고 부르는 대신, "1 층 전등들"이라고 통째로 부를 수 있습니다. "1 층 전등들 중 3 번만 켜줘"라고 명령할 수 있게 된 거죠.

3. 이 규칙책의 구조 (INFO 와 MAIN)

이 규칙책은 크게 두 부분으로 나뉩니다.

INFO 섹션 (표지):
- 이 문서가 무엇인지, 제목은 무엇인지, 어떤 목적 (Mealy 또는 Moore 라는 기계의 종류) 으로 쓰이는지 적는 곳입니다.
- 비유: 요리책의 표지입니다. "이 레시피는 3 인분용이며, 오븐을 사용하는 요리입니다"라고 적혀 있는 부분입니다.
MAIN 섹션 (본문):
- 입력 (Inputs): 로봇이 외부에서 받아들이는 것 (비, 해, 버튼 등).
- 출력 (Outputs): 로봇이 만들어내는 행동 (우산, 불, 문 등).
- 규칙들:
  - INITIALLY: 시작할 때의 상태.
  - ASSUME / GUARANTEE: 환경이 지켜야 할 약속과 로봇이 지켜야 할 약속.
  - 비유:
    - 환경 (Assume): "비가 오지 않는 한, 로봇은 우산을 켜지 마." (환경의 조건)
    - 로봇 (Guarantee): "비가 오면 무조건 우산을 펴." (로봇의 의무)

4. 왜 이 업데이트가 중요한가요?

이전에는 로봇이 "영원히" 작동하는 시스템 (예: 공장 컨베이어 벨트) 을 설계하는 데는 좋았지만, 일시적인 작업 (예: 드론이 물건을 배달하고 돌아오는 것, 로봇이 방을 청소하고 종료하는 것) 을 설계하기엔 부족했습니다.

TLSF v1.2는 이제 작업이 끝나는 시점을 명확히 정의할 수 있게 해주었습니다.

비유: 예전에는 "영원히 노래를 불러"라고만 했다면, 이제는 "노래가 끝나면 침묵해"라고 정확히 지시할 수 있게 된 것입니다.

요약

이 논문은 **"로봇에게 일을 시키는 언어"**를 업그레이드한 것입니다.

작업의 종료를 명확히 할 수 있게 되었습니다 (유한한 시간).
복잡한 규칙을 한 번에 정의할 수 있게 되었습니다 (파라미터, 함수).
신호들을 묶어서 관리할 수 있게 되었습니다 (버스).

이로 인해 개발자들은 더 짧고, 명확하며, 복잡한 로봇 제어 프로그램을 작성할 수 있게 되었습니다. 마치 레고 블록을 더 다양하고 정교하게 조립할 수 있게 된 것과 같습니다.

논문 요약: TLSF v1.2 (Temporal Logic Synthesis Format)

1. 문제 제기 (Problem)

기존의 TLSF (v1.1) 는 표준 LTL (Linear Temporal Logic) 을 기반으로 하여 시스템 합성을 위한 명세 형식을 제공하지만, 다음과 같은 한계가 있었습니다:

고급 추상화 부족: 집합 (Sets), 함수 (Functions), 매개변수 (Parameters) 와 같은 고수준 구성 요소를 직접 지원하지 않아, 다양한 문제 군 (family of problems) 을 하나의 명세로 정의하기 어려웠습니다.
유한 실행 (Finite Executions) 지원 부재: 기존 LTL 은 무한한 실행을 가정하지만, 실제 많은 시스템 제어 문제 (예: 태스크 완료 시 종료) 는 유한한 실행을 요구합니다. 이를 위한 전용 문법과 의미론 (Semantics) 이 부족했습니다.
표현력 제한: 복잡한 명세를 작성할 때 반복적인 패턴이나 매개변수화된 논리를 표현하는 데 비효율적이었습니다.

이러한 한계를 극복하고, **LTLf (LTL on finite words)**를 지원하며, 고급 추상화 기능을 추가하여 더 유연하고 강력한 합성 명세 형식을 제공하기 위해 TLSF v1.2 를 제안합니다.

2. 방법론 (Methodology)

TLSF v1.2 는 기존 v1.1 의 기본 구조를 유지하면서 다음과 같은 확장 방식을 도입했습니다:

구조적 확장:
- INFO 섹션: 메타데이터, 의미론 (Mealy/Moore, 표준/엄격/유한), 타겟 모델 정의.
- GLOBAL 섹션 (새로 추가): 매개변수 (PARAMETERS) 정의, 함수 (FUNCTIONS), 열거형 (ENUMERATIONS), 식 (IDENTIFIERS) 바인딩을 허용하여 재사용 가능한 명세 구성.
- MAIN 섹션: 입력/출력 신호 분할 및 명세 (ASSUME, GUARANTEE 등) 포함. 기본 형식과 달리 버스 (Bus) 신호와 확장된 식을 지원.
문법 및 의미론 확장:
- LTLf 지원: 유한 단어 (Finite Words) 위에서의 논리 연산 지원. 특히 강한 다음 (Strong Next, $X[!]$ ) 연산자를 도입하여 유한 실행의 종료를 명확히 구분.
- 새로운 의미론 옵션: Finite semantics 도입. 제어기가 유한한 실행을 생성하고 종료 신호 (alive signal) 를 통해 작업을 완료했음을 알릴 수 있도록 함.
- 고급 표현식:
  - 버스 (Buses): 여러 신호를 하나의 그룹으로 관리 (배열 형태).
  - 열거형 (Enumerations): 신호의 특정 패턴을 식별자 (Identifier) 로 매핑.
  - 함수 (Functions): 재귀적 함수 정의 및 패턴 매칭 (Pattern Matching) 을 통한 복잡한 논리 생성.
  - 대 연산자 (Big Operators): $\Sigma, \Pi, \cup, \cap$ 등을 사용하여 매개변수화된 집합에 대한 연산 간소화.
의미론 (Semantics) 정의:
- Mealy/Moore 기계: 유한 단어에 대한 종료 가능한 Mealy/Moore 기계로 모델링.
- 종료 신호 (Alive Signal): 제어기가 작업을 종료할 때 출력하는 특수 신호를 도입하여 유한 실행의 종료를 명시화.

3. 주요 기여 (Key Contributions)

TLSF v1.2 표준 정의: LTLf 를 지원하고 고급 추상화 (집합, 함수, 매개변수) 를 포함한 확장된 합성 명세 형식을 공식적으로 정의함.
LTLf 통합 및 의미론 정립: 유한 실행에 대한 명확한 의미론을 제시하고, X[!](강한 다음) 와 X(약한 다음) 의 비대칭적 동작을 정의하여 종료 조건을 정밀하게 제어할 수 있게 함.
고급 추상화 메커니즘 도입:
- 매개변수화: 하나의 명세로 다양한 크기의 시스템 (예: $N$ 개의 프로세스) 을 정의 가능하게 함.
- 함수 및 패턴 매칭: 복잡한 LTL 식을 재사용 가능한 함수로 캡슐화하고, 식의 구조에 따라 다른 행동을 정의할 수 있게 함.
- 버스 및 열거형: 신호 그룹 관리와 복잡한 상태 패턴을 직관적으로 표현.
도구 지원 (SyFCo): Synthesis Format Conversion Tool (SyFCo) 을 업데이트하여 TLSF v1.2 명세를 Spot 도구 등에서 처리 가능한 ltlbax-fin 형식으로 변환할 수 있도록 지원.

4. 결과 및 성과 (Results)

표현력 향상: 기존 v1.1 에 비해 훨씬 간결하고 모듈화된 명세 작성 가능. 특히 매개변수화된 시스템이나 복잡한 조건부 논리를 다룰 때 효율성이 크게 향상됨.
유한 실행 문제 해결: 태스크 기반의 제어 문제 (예: "목표에 도달하면 종료") 를 자연스럽게 표현 가능해짐. 종료 가능한 Mealy/Moore 기계에 대한 명확한 정의가 제공됨.
호환성 유지: 기존 TLSF v1.1 문법을 하위 호환성 있게 유지하면서 새로운 기능을 추가하여 기존 도구 및 워크플로우와의 통합이 용이함.
구체적 예시: 논문 내에서는 $G(i_1 \leftrightarrow o_1) \land (o_2 \lor X[!]true)$ 와 같은 공식을 통해 종료 가능한 Mealy 및 Moore 기계의 동작을 시각적으로 증명함.

5. 의의 (Significance)

합성 연구의 표준화: LTLf 기반의 시스템 합성 (Synthesis) 연구와 벤치마크 (SYNTCOMP 등) 에 대한 표준 명세 형식을 제공하여 연구자들 간의 비교와 재현성을 높임.
실용성 증대: 실제 산업 응용 (예: 프로토콜 검증, 로봇 제어) 에서 발생하는 "유한 실행" 및 "다양한 시스템 크기" 문제를 해결할 수 있는 강력한 도구를 제공.
도구 생태계 확장: SyFCo 및 Spot 도구와의 연동을 통해 연구자들이 새로운 형식을 즉시 활용할 수 있는 환경을 조성.
이론적 명확성: 유한 단어 위에서의 LTL 의미론과 종료 가능한 제어기 (Terminating Controllers) 에 대한 정형적 정의를 제공하여, 이론적 엄밀성과 실용적 구현 사이의 간극을 해소.

요약하자면, TLSF v1.2 는 **유한 실행 (LTLf)**을 지원하고 고급 추상화 기능을 도입함으로써 시스템 합성 명세의 표현력을 극대화하고, 실제 적용 가능성을 높인 중요한 업데이트입니다.