Embedding Semantici da LTL ad Automi per RL Multi-Task

Un nuovo articolo arXiv (2602.06746v2) introduce una tecnica di embedding dei compiti per l'apprendimento per rinforzo (RL) multi-task utilizzando istruzioni in logica temporale lineare (LTL). L'approccio sfrutta traduzioni semantiche da LTL ad automi originariamente sviluppate per la sintesi temporale, producendo automi semanticamente etichettati con informazioni strutturate ricche in ogni stato. Ciò consente un calcolo efficiente degli automi al volo, embedding dei compiti espressivi per il condizionamento delle politiche e pieno supporto LTL. Gli esperimenti in vari domini mostrano prestazioni all'avanguardia e scalabilità.