- 解决自主机器人在**持久监视(persistent surveillance)** 任务中，面对**黑盒自主栈(black-box autonomy stack)** 时的**运行时监控(runtime monitoring)** 问题
- 环境被划分为有限区域，每个区域携带不确定性状态，该状态在观测时下降，否则上升，需要设计监控器确保任务可靠执行
- 现有方法难以处理大规模监视空间，因为全局**不变集(invariant)** 通常难以计算
- 将闭环系统建模为**状态相关混合系统(state-dependent hybrid system)**，具有**线性参数变化动力学(linear parameter varying dynamics)**
- 离线计算一个**不变集(invariant)** 作为监控器的基础
- 提出**组合监控器(compositional monitor)**：对每个不确定区域分散计算**低维不变集(low-dimensional invariant sets)**，并在线检查它们的合取
- 在常见的独立性假设下，组合监控器相对于全系统不变集是**正确且完备(sound and complete)** 的
- **首创组合式监控**：针对大规模监视空间，采用**分散计算(decentralized computation)** 方式，避免直接计算高维全局不变集的困难
- **完备性证明**：在独立性假设下，组合监控器与全系统不变集等价，保证了监控的可靠性
- **实用性验证**：通过真实机器人持续监视迷宫的场景案例，展示了方法在实际部署中的可行性
- 为持久监视任务的**运行时监控** 提供了一种可扩展的**组合式监控(compositional monitoring)** 范式
- 在理论与实际之间建立桥梁，既保证监控的正确性(完备性)，又降低了计算复杂度
- 案例研究验证了方法对真实机器人系统的适用性，推动了**形式化方法(formal methods)** 在机器人自治监控中的实际应用