본 논문은 강화 학습 알고리즘의 복잡한 작업 수행을 돕기 위해 논리적 명세를 개선하는 방안을 제시한다. 구체적으로, \textsc{AutoSpec}이라는 프레임워크를 제안하여, 원본 명세의 만족을 암시하면서도 강화 학습 알고리즘이 유용한 정책을 쉽게 학습할 수 있도록 추가적인 지침을 제공하는 논리적 명세 세분화를 탐색한다. \textsc{AutoSpec}은 SpectRL 명세 논리를 통해 지정된 강화 학습 작업에 적용 가능하며, 명세의 추상 그래프를 수정하는 네 가지 세분화 절차를 설계하여 명세의 구성적 특성을 활용한다. 네 가지 절차 모두 명세의 건전성을 유지함을 증명하고, \textsc{AutoSpec}을 기존 강화 학습 알고리즘과 통합하는 방법을 제시한다. 실험 결과는 \textsc{AutoSpec}이 개선된 논리적 명세를 활용할 때 해결 가능한 제어 작업의 복잡성 측면에서 유망한 개선을 가져온다는 것을 보여준다.
