동적 의미 지도에서 분기 선택을 통한 제로샷 시그널 임피리컬 로직 계획

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

시그널 임피리컬 로직(STL)은 검증 가능한 작업 명세를 제공하며 안전이 중요한 제어 시스템에서 필수적입니다. 하지만 STL 계획은 여전히 어려운 과제입니다. 정확한 최적화 기반 방법은 종종 속도가 너무 느리고, 학습 기반 방법은 다양한 환경에서의 일반화에 어려움을 겪습니다. 본 연구에서는 재학습 없이 실행 가능한 경로를 생성하는, 가변 지도 환경을 위한 제로샷 STL 계획 솔버를 제안합니다. 지도 정보에 조건부로 작동하는 트랜스포머 아키텍처와 가벼운 휴리스틱을 통합하여, 복잡한 분기(OR) 하위 공식을 효과적으로 처리합니다. 또한, 트랜지티브 강화 학습(TRL)을 활용하여 분해된 하위 작업 전반에 걸쳐 일관된 시간적 연결과 논리적 일관성을 보장합니다. 다양한 장애물 구성을 가진 동적 의미 지도에서의 실험 결과는 일관된 성능 향상을 보여주며, 본 프레임워크가 변화하는 환경으로의 우수한 제로샷 일반화 능력과 광범위한 STL 적용 가능성을 강조합니다.

Signal Temporal Logic (STL) offers verifiable task specifications and is crucial for safety-critical control. Yet STL planning remains challenging: exact optimization-based methods are often too slow, and learning-based methods struggle to generalize across varying environments. We propose a zero-shot STL planning solver for variable-map environments that generates feasible trajectories without retraining. By integrating a map-conditioned Transformer architecture with a lightweight heuristic, our approach effectively handles complex disjunctive (OR) subformulas. Furthermore, we leverage Transitive Reinforcement Learning (TRL) to ensure consistent temporal grounding and logical coherence across decomposed sub-tasks. Experiments on dynamic semantic maps with diverse obstacle layouts demonstrate consistent gains, highlighting the framework's superior zero-shot generalization to changing environments and broad STL coverage.