timed alternating automaton

新的基于自动机的研究方法增强了复杂控制系统的强化学习能力

研究人员开发了一种新的基于自动机的研究方法，用于通过信号时序逻辑（STL）进行控制综合。该方法通过提供高效的内存机制和相关的马尔可夫奖励，解决了复杂系统中缺乏精确模型的强化学习（RL）所面临的挑战。该方法从STL规范构建一个定时交替自动机，通过自动机位置和时钟估值来扩展状态空间，从而从接受条件中导出奖励。实证结果表明，该方法在学习具有更高鲁棒性和满意度的策略方面优于现有方法。