🤖 AI

Zero-Shot Signal Temporal Logic Planning with Disjunctive Branch Selection in Dynamic Semantic Maps

本文提出了一种零样本信号时序逻辑规划框架，该框架将地图条件化 Transformer 与轻量级启发式方法以及传递式强化学习相结合，以在动态语义地图中生成可行且逻辑连贯的轨迹，而无需重新训练。

原作者： Bowen Ye, Ancheng Hou, Junyue Huang, Ruijia Liu, Xiang Yin

发布于 2026-05-06

📖 1 分钟阅读☕ 轻松阅读

原作者： Bowen Ye, Ancheng Hou, Junyue Huang, Ruijia Liu, Xiang Yin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一台被指派穿越迷宫以完成复杂任务的机器人。这项任务不仅仅是“从 A 点走到 B 点”，而是一套用一种名为**信号时序逻辑（STL）**的特殊语言编写的规则。

这种语言听起来是这样的：“在 10 秒内到达红色区域，然后永远避开蓝色区域；或者，如果你做不到，就在 20 秒内到达绿色区域。”

问题在于迷宫是变化的。有时原本空旷的地方会出现墙壁，有时“红色区域”会被封锁。传统机器人要么：

思考过慢：它们试图通过数学方法计算所有可能的路径，这在实际实时应用中耗时太长。
记忆过多：它们通过在特定迷宫中练习来学习。当你把它们放入一个新的迷宫时，它们会感到困惑并失败。

本文介绍了一种解决该问题的机器人新“大脑”。以下是其工作原理，使用简单的类比说明：

1. “先分解后合成”策略

机器人不是试图一次性解决整个巨大的谜题，而是将任务分解为更小、更易管理的步骤。

类比：想象你在规划一次行程复杂的公路旅行。你不是盲目驾驶，而是先将行程分解为“开车前往 A 城”，然后“开车前往 B 城”。机器人对其逻辑规则也做同样的处理，将一个大句子转化为一系列小检查点。

2. “智能选择器”（启发式析取选择）

任务中棘手的部分是"或"（析取）。机器人可能面临选择：“走左门或走右门。”

问题：如果机器人随机选择，它可能会选到通向死胡同或墙壁的门。
解决方案：作者添加了一个“智能选择器”。在机器人开始移动之前，该模块会查看地图和规则。它会问：“哪扇门更容易到达？哪扇门有更多时间余量？哪扇门更不复杂？”
隐喻：这就像一台 GPS，它不只是选择一条路线，而是根据当前的交通和路况选择最佳路线。它会过滤掉“糟糕的选择”，这样机器人就不会浪费时间试图穿过墙壁。

3. “读图建筑师”（Transformer）

一旦机器人知道要做什么（小步骤）以及走哪条路，它就需要弄清楚如何移动。

创新点：机器人使用Transformer（一种以理解语言而闻名的 AI 类型）。但它不是阅读文字，而是阅读地图。
工作原理：机器人同时查看迷宫布局（墙壁、空旷区域）和任务步骤。它学习生成一条平滑的路径，以适应当前迷宫的具体形状。
“零样本”魔法：这是最令人印象深刻的部分。机器人是在一堆迷宫上训练的，但它从未见过此刻正面对的那个特定迷宫。然而，它仍然可以完美地导航。这就像一位厨师学会了烹饪许多不同的菜肴，能够仅凭理解柜台上的食材，就立即烹饪出一道他从未见过的全新食谱。

4. “计时员”（传递式强化学习）

机器人还需要知道何时做某事。“在 10 秒内到达红色区域。”

问题：猜测时间很难。如果机器人猜错了，它可能会过早或过晚到达。
解决方案：作者使用了一种称为**传递式强化学习（TRL）**的技术。
类比：想象教一个孩子判断距离。你不是只说“这是 5 英里”，而是说“这比那个远，但比另一个近”。TRL 教导机器人理解时间之间的关系（A 比 B 长，B 比 C 长），而不仅仅是死记硬背确切的数字。这使得机器人在新的、不熟悉的迷宫中估算从 A 点到 B 点所需的时间时更加准确。

结果

作者在具有不同尺寸和障碍物布局的数字迷宫中测试了该系统。他们还使用两种不同类型的机器人运动进行了测试（一种像汽车一样移动，一种像滑动冰壶一样移动）。

研究结果如下：

更高的成功率：与以往的方法相比，机器人成功完成任务的频率更高，特别是在复杂、杂乱的迷宫中。
更快的决策：通过使用“智能选择器”尽早选择最佳路径，它节省了时间。
真正的泛化能力：它在从未见过的地图上也能完美工作，无需重新训练。

简而言之，本文提出了一种机器人规划器，它快速、灵活且足够智能，能够在不断变化的世界中选择正确的路径，而无需为进入的每一个新房间准备操作手册。

技术摘要：动态语义地图中基于析取分支选择的零样本信号时序逻辑规划

1. 问题表述

本文解决了在系统动力学未知的可变地图环境中进行信号时序逻辑（STL）规划的挑战。目标是综合出一条有限时域轨迹 $x_{0:T}$ ，使其在满足复杂 STL 规范 $\phi$ 的同时，遵循由动态二元迷宫地图 $M$ 定义的避障约束。

关键约束与挑战包括：

零样本泛化：求解器必须在无需针对特定实例进行重新训练或微调的情况下，处理未见过的地图布局、障碍物配置和 STL 规范。
未知动力学：规划器在缺乏显式转移函数 $f(x_t, u_t)$ 的情况下运行，转而依赖历史轨迹的离线数据集。
析取复杂性：STL 规范通常包含析取（OR 运算符， $\lor$ ）。解决这些析取需要选择特定的逻辑分支以满足规范。在动态环境中，无引导的选择可能导致选择几何上不可行或动力学上困难的分支，从而导致规划失败。
时间接地：将高层 STL 公式分解为子任务需要准确的时间分配（确定何时访问特定区域），这在不同的地图几何结构下难以一致地学习。

2. 方法论

所提出的框架遵循“先分解后综合”的范式，整合了三个核心组件：

A. 启发式析取分支选择
为了解决析取带来的组合爆炸和可行性问题，首先将 STL 公式转换为析取范式（DNF）。随后，一个轻量级启发式方法根据以下三个标准对候选分支（ $\phi_k$ ）进行排序，以选择最可行的分支（ $\phi^*$ ）：

时间算子复杂度：对具有复杂时间算子（如 $U$ 、 $G$ ）嵌套的分支施加惩罚，因为经验表明这些分支更难满足。
地图可达性：在当前地图 $M$ 上计算基于图的距离（如 BFS/DFS），对需要难以到达的区域或被障碍物分隔的区域的分支施加惩罚。
时间松弛度：奖励子任务之间时间间隔较大的分支，为轨迹生成提供更多灵活性。
选择启发式得分最低的分支用于下游规划。

B. 用于时间预测的传递强化学习（TRL）
一个学习到的时间预测器估计在子目标航点之间旅行所需的离散时间步数。为了确保在不同地图尺度和布局下的时间一致性，预测器使用**传递强化学习（TRL）**而非标准的点对点回归进行训练。

机制：TRL 强制预测的步长保持训练数据所暗示的相对顺序。如果轨迹 $i$ 在真实情况下的耗时比轨迹 $j$ 长，模型必须预测 $\hat{\Delta t}_i > \hat{\Delta t}_j$ 。
损失函数：训练目标结合了 $L_1$ 回归损失与基于边距的排序损失（ $L_{TRL}$ ），后者惩罚违反传递排序约束的情况。这提高了时间估计的全局校准能力。

C. 地图条件 Transformer 轨迹生成器
最终轨迹是使用自回归 Transformer合成的，该模型以以下条件为输入：

地图 Token：编码的二元迷宫地图 $M$ 和区域描述符。
时间 Token：源自所选 STL 分支的时间间隔。
轨迹前缀：当前状态历史。
模型逐 Token（逐状态）生成轨迹。为了减轻训练期间的暴露偏差，采用了课程采样，逐步从教师强制（使用真实状态）过渡到自回归生成（使用模型预测）。生成器是动力学无关的，意味着在推理时它不接收显式的动力学模型参数。

3. 主要贡献

启发式析取处理：引入了一种轻量级的三标准启发式方法用于选择析取分支，通过避免不可行的逻辑路径，显著扩大了实际中可求解的 STL 规范范围。
可变地图上的零样本规划：开发了一种地图条件的 Transformer 轨迹生成器，无需重新训练即可泛化到未见过的障碍物布局和地图尺寸，增强了 STL 求解的通用性。
用于时间接地的传递强化学习：应用 TRL 训练时间预测器，确保分解后的子任务之间时间分配的一致性，并提高了整体 STL 满足的鲁棒性。
实证验证：证明了在多样化环境（变化的地图复杂度）和动力学（双积分器和单轮车模型）中性能的一致性提升，验证了该框架对分布偏移的鲁棒性。

4. 实验结果

实验在基于网格的导航基准（U-Maze 系列）上进行，地图尺寸包括 $5\times5$ 、 $7\times7$ 和 $9\times9$ ，并在双积分器（DI）和单轮车（UNI）动力学下运行。

成功率：与基线（无启发式分支选择的相同方法）相比，所提出的方法在成功率上取得了持续改进。在更大、更复杂的地图（如 $9\times9$ ）中，提升最为显著，启发式方法有效地剪枝了不可行的分支。
鲁棒性：鲁棒性值（STL 满足的定量度量）保持与基线相当或超过基线，表明更高的成功率并非以牺牲规范裕度为代价实现的。
效率：虽然名义规划时间与基线相当，但启发式选择的加入通过早期剪枝搜索空间，大幅减少了有效规划时间。
泛化性：轨迹生成器成功地为 DI 和 UNI 动力学综合了可行轨迹，而无需显式的动力学模型输入，展示了在不同运动模型之间强大的可迁移性。

5. 意义与主张

本文主张其主要意义在于弥合了形式化逻辑推理与数据驱动的轨迹综合在动态、未知环境之间的差距。通过将高层逻辑分支（通过启发式方法）与低层几何实现（通过 Transformer）解耦，该框架解决了现有零样本规划器在面对可变地图几何结构和复杂析取逻辑时的脆弱性。

作者强调，他们的方法提供了一种可扩展的零样本解决方案，无需针对特定环境进行重新训练，使其成为在地图和障碍物不可预测变化的现实场景中部署基于 STL 的规划器的有前景的方向。TRL 的集成被强调为一种改进学习规划器时间连贯性的新颖方法，这是满足长时域时间约束的关键因素。