近日，一篇提交至arXiv的论文（arXiv:2605.12651）提出了一种名为嵌入时态逻辑（Embedding Temporal Logic, ETL）的新方法，旨在解决感知驱动自主系统中的运行时监控难题。传统监控方法依赖于将连续传感器观测映射到基于低维状态变量的离散逻辑命题，但在感知驱动环境中，这种映射需要额外的学习模块，往往计算昂贵、脆弱且语义不对齐。例如，在自动驾驶中，车辆需要理解“接近行人”或“避让障碍物”等概念，这些概念难以用传统的布尔谓词精确描述。
ETL的核心创新在于直接在学习的嵌入空间中执行监控。它通过计算观测嵌入与从参考观测推导出的目标嵌入之间的距离来定义谓词，从而能够捕获诸如接近视觉目标或避开语义区域等高层次感知概念，这些概念用传统谓词难以或无法表达。嵌入空间是神经网络学习到的低维表示，能够捕捉输入数据的关键特征。通过将观测嵌入与参考嵌入进行距离比较，ETL可以自然地量化感知相似性，而无需显式定义状态变量。
研究者进一步将这些谓词与时态算子（如“直到”、“最终”、“全局”）组合，使ETL能够自然描述时序扩展和顺序感知行为。例如，一条规范可以要求“在遇到交叉路口之前，始终保持在车道内”，这涉及多个感知事件的时序关系。为了在实际系统中使用ETL，研究者引入了ETL监控器，用于在有限嵌入轨迹上评估规范。监控器通过滑动窗口处理时间序列数据，实时判断规范是否被违反。
针对嵌入空间中的不确定性，研究者设计了一种共形校准程序，提供可靠且面向安全的谓词评估。共形校准是一种基于分位数的不确定性量化方法，能够为每个谓词评估提供置信度边界，从而避免因误判而导致的安全风险。该方法不依赖于对数据分布的假设，适用范围广泛。
在实验部分，研究者选择了多个机器人操作环境，包括Franka Emika Panda机械臂的模拟和真实场景，以及MuJoCo中的推箱子任务。这些环境涉及视觉目标接近、语义区域回避等感知行为。实验结果显示，ETL在所有环境中均能与真实语义（即人工标注的正确行为标签）保持高度一致，准确率超过95%，特别是在时序组合行为的监控中表现优异。例如，在“先抓取红色方块，然后将其放入蓝色篮子”的复杂任务中，ETL成功检测到违反时序顺序的错误行为。
此外，研究者比较了ETL与基于LTL（线性时态逻辑）的传统监控方法。后者需要额外的感知模块将图像映射为逻辑命题，而ETL直接利用嵌入空间，减少了计算开销和手工调参需求。在速度对比中，ETL监控器的推理时间仅为传统方法的十分之一，使得在线监控成为可能。
这项工作为感知自主系统的在线监控提供了新的视角，有望在自动驾驶、机器人操作、工业自动化等领域发挥重要作用。论文作者包括Parv Kapoor等五位研究者，相关代码和数据集已在GitHub上公开，便于其他研究者复现和拓展。未来工作可能涉及更复杂的场景，如多智能体协同感知，以及将ETL集成到安全关键系统的正式验证流程中。