本研究提出了CoT-TL框架，旨在解决自主代理解析不确定自然语言指令的挑战。该框架通过链式思维推理与语义角色，将自然语言有效转换为线性时态逻辑（LTL）表示，提升了透明性和可信度，并在低数据环境中实现了高准确率。这一成果在无人机多步骤规划等实际应用中具有重要意义。

本文介绍了时间平衡逻辑（TEL）的研究进展，探讨了线性时态逻辑（LTL）在机器人本地化和时间推理中的应用。研究提出了多种算法和理论，旨在提升时间推理能力，并开发了Timo模型，在时间推理任务中表现优异，准确度超过同类模型。

本文探讨了利用大型语言模型生成和解释线性时态逻辑（LTL）公式的方法，旨在减少对人工数据的依赖，提高自然语言命令的翻译准确率。研究提出了多种算法和框架，增强了模型在伦理推理和法律系统中的应用，提升了解释质量和可访问性。

该研究提出了一种基于线性时态逻辑的可查询安全约束模块，用于机器人代理的合规性。实验证明该系统适用于复杂的安全约束，具备实际应用潜力。

本文研究了在完全可观察、非确定性领域中使用线性时态逻辑有限轨迹表示的目标的尽力策略。提出了一种基于博弈论的技术，用于合成利用非确定性规划领域特性的尽力策略。通过实验证明了其有效性和可扩展性的提高。