博文
基于时序松弛信号时序逻辑规范的分布式预测控制时空协同强化
||
导 读
想象一个场景：多台机器人协同完成装配任务，其中一台因局部任务冲突而“放松”了时序要求，结果导致后续所有机器人的协作节奏被打乱，整个系统陷入混乱。这就是分布式多智能体系统中“时序松弛”会引起的典型问题——局部的小调整，可能引发全局的大麻烦。
传统方法很难在“保证各自任务可行”和“维持整体协作一致”之间找到平衡。上海交通大学团队提出一种时空协同（STC）形式化方法，通过时间区间细化策略将其嵌入分布式预测控制中。该方法能有效防止协作失效，同时确保系统的递归可行性与闭环稳定性。
这项研究为多机器人协同、智能电网调度等需要严格时空配合的场景，提供了一种兼顾可靠性与效率的新方案。
标题：Enforcing spatio-temporal collaborations in distributed predictive control under temporally relaxed STL specifications（基于时序松弛信号时序逻辑规范的分布式预测控制时空协同强化）
作者：Hongbo Yang, Yuanyuan Zou, Shaoyuan Li
机构：1 上海交通大学自动化与智能感知学院；2 系统控制与信息处理教育部重点实验室；3 上海市工业网络系统感知与控制重点实验室
引用：Yang, H., Zou, Y., Li, S. Enforcing spatio-temporal collaborations in distributed predictive control under temporally relaxed STL specifications. Control Theory Technol. (2026). https://doi.org/10.1007/s11768-026-00319-4
摘 要
本文提出一种基于信号时序逻辑（STL）的时空协同（STC） 形式化方法，用于协调多智能体系统。时序松弛是解决局部任务冲突的常用手段，但其引发的级联延迟会破坏智能体间关键的协同依赖关系。为解决该问题，本文首先分析任务延迟在依赖任务间的传播规律，随后提出一种时间区间细化策略以维持所需协同关系。该策略被集成到分布式预测控制算法中，在保障系统递归可行性与闭环稳定性的同时，确保STL规范与时空协同关系同时得到满足。通过案例验证，所提策略可有效避免协同失效，证明了其有效性。
引 言
近几十年来，多智能体系统凭借分布式协同、高效并行、强鲁棒性等优势，在自主车辆编队、多机器人协同、智能电网调度等领域广泛应用，成为控制科学、人工智能与机器人交叉领域的研究热点。
时序逻辑规范是管控多智能体时空行为的核心工具。其中，信号时序逻辑（STL）基于连续实值信号定义，能在指定时间区间内规定谓词必须满足的条件，非常适合描述连续工作空间中的复杂任务，在多智能体协同规划中优势明显。
现有研究围绕STL的协同特性做了大量探索，通过任务分解、智能体间约束定义、保证契约设计等方式实现协作。但在实际工程部署中，仍面临两大难题：
首先，全局协同任务依赖复杂的分解与分配机制，计算与建模开销大。 基于约束或契约的方法需要大量变量共享和迭代协商，在分布式场景下难以高效扩展。
其次，时序松弛虽是解决局部任务冲突的有效手段，通过调整时间区间可以消除分布式模型预测控制的不可行性，但它会引发任务级联延迟，直接破坏预设的智能体间协同约束，导致协作失效——这一问题在分布式预测控制中尤为突出，现有研究尚未给出有效解决方案。
为破解上述瓶颈，本文提出一种时空协同形式化方法：将协同约束直接嵌入STL规范的时间区间。该方法无需复杂任务分配和额外协同变量，就能精准调控智能体间的高层交互行为。它依托现有STL任务的时序特征实现隐式协同，可以定义严格先后、有界重叠等协同规则，有效适配多机器人中继作业、同步巡检、自主装配等实际场景。
基于此，本文针对时序松弛下分布式预测控制的时空协同保障问题展开深入研究，提出时空协同强化方法。核心贡献如下：
1. 提出时空协同这一全新形式化框架。直接通过局部STL任务的时间区间定义多智能体协同关系，消除了额外协同变量和复杂任务模型带来的设计冗余，大幅简化协同控制流程。
2. 设计时间区间细化机制。系统分析时序松弛对FF型、GF型、GG型三类基础协同关系的影响，动态调整任务时间区间以保障协同约束满足，避免了传统方法中计算开销大的任务分解操作。
3. 将时空协同框架与STL-DMPC算法深度融合。理论证明所提方法能保留底层算法的递归可行性和闭环稳定性。多智能体装配案例验证表明，该方法能有效避免时序松弛引发的协同失效问题。
结 论
本文针对分布式多智能体系统中时序松弛引发的级联延迟破坏时空协同的问题，提出了一个时空协同形式化框架。该框架定义了FF、GF、GG三类基础协同关系，并设计了时间区间细化策略来调整任务时间线。将这一框架集成到分布式预测控制算法后，系统便能在满足STL规范的同时维持全局协同关系，并保留递归可行性与闭环稳定性。多智能体装配案例表明，该方法能有效避免协作失效，且任务完成时间与计算开销仅有小幅增加，兼顾了协同可靠性与执行效率。未来研究将聚焦于最优STL任务重排，在保障时空协同规范的前提下进一步提升系统效率。
作者介绍
Hongbo Yang 于 2022 年获上海交通大学理学学士学位，2025 年获上海交通大学理学硕士学位。现任 Momenta 深度学习规划算法工程师，研究方向包括模型预测控制、机器学习及自主系统形式化方法。
Yuanyuan Zou 于 2002 年获鲁东大学理学学士学位，2005 年获鲁东大学理学硕士学位，2009 年获上海交通大学博士学位。现任上海交通大学自动化与智能感知学院教授，研究方向包括模型预测控制、分布式控制系统、工业系统优化控制。
Shaoyuan Li 于 1987 年获河北工业大学自动化专业学士学位，1992 年获河北工业大学自动化专业硕士学位，1997 年获南开大学计算机与系统科学系博士学位。现任上海交通大学自动化与智能感知学院讲席教授，研究方向包括模型预测控制、智能控制、分布式控制系统。
相关链接
Control Theory and Technology 2024-2025年期刊合集（中文介绍）
2024-2025刊期合集（英文）
Volume 23 (February - November 2025)
Issue 3, 2025 - Special issue on ADRC: New ADRC developments in Ibero-America
Volume 22 (February - November 2024)
Issue 3, 2024 - Special issue on analysis and control of complex systems in honor of the 90th birthday of Professor Huashu Qin
Issue 2, 2024 - Special issue on system identification and estimation
期刊简介
欢迎扫码进入期刊主页
Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.5)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目I期(2021-2024年)和II期，2022-2025年进入中国科协自动化学科领域高质量科技期刊目录。
官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)
https://jcta.ijournals.cn/cta_en/ch/index.aspx
投稿：https://mc03.manuscriptcentral.com/ctt
微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）
X (Twitter): CTT_Journal
微博：ControlTheoryTech
Email：jcta@scut.edu.cn
Tel：020-8711 1464
https://blog.sciencenet.cn/blog-3635716-1530363.html
上一篇：山东师范大学分布参数系统研究团队 | 一类双曲-抛物耦合系统的输出反馈镇定
