Key points are not available for this paper at this time.
时序逻辑规则常用于控制和机器人技术中，为高维轨迹数据提供结构化、人类可理解的描述。这些规则有很多应用，包括使用形式方法进行安全验证、在自主代理之间限制运动规划和数据分类。然而，现有的数据学习时序逻辑谓词的方法并没有保证所得谓词的正确性。我们提出了一种新方法，从数据中学习具有有限样本正确性保证的时序逻辑谓词。我们的方法利用表达优化和保形预测，学习在温和假设下以用户定义的置信水平正确描述未来轨迹的谓词。我们提供实验结果，展示我们的方法在模拟轨迹数据集上的表现，并进行消融研究以理解我们算法的每个组成部分如何贡献于其性能.
Soroka et al. (Fri,) 研究了这个问题.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: