近年、基本的な到達、回避、到達-回避問題に対するベルマン方程式は十分に研究されているが、無割引無限期間設定では、価値最適性と方策最適性の関係が微妙になり、特に複雑なタスクにおいて問題が生じる。研究者らは、Q関数を貪欲に最大化すると、価値関数が最適であっても、タスク完了を無期限に先延ばしする方策が生成されることを発見した。この病理は、到達-回避問題や同等のUntil仕様で顕著である。
この問題に対処するため、チームは時間論理（TL）の価値関数を構成価値関数のグラフに分解する最近の成果を基に、状態履歴に基づく非マルコフ方策を構築した。これらの方策は病理を回避し、入れ子になったUntil、Globally、Globally-Until仕様に対して、定量的ロバストネススコアに基づく最適性を証明している。
さらに、論文ではQ関数が複雑なTL仕様の安全フィルターとして機能することを示し、これまで単純な回避や到達-回避タスクに限られていた結果を拡張した。この研究はOswin So、William Sharpless、Sylvia Herbert、Chuchu Fanによって行われ、arXiv（番号2605.01051）に投稿されており、ロボティクス、人工知能、機械学習、計算機科学論理、最適化と制御の分野を扱っている。著者らはマサチューセッツ工科大学などの研究機関に所属しており、理論的な導出に加えて実験による検証も行っている。この成果は、複雑な環境での長期安全性とタスク完了が要求されるロボット計画において、時間論理を活用するための重要な一歩となる。