Cet article présente GenZ-LTL, une nouvelle méthode basée sur la logique linéaire-temporelle (LTL) permettant de généraliser à des objectifs de tâches complexes et chronophages, ainsi qu'à des contraintes de sécurité en apprentissage par renforcement (RL). GenZ-LTL exploite la structure des automates de Büchi pour décomposer les spécifications de tâches LTL en séquences de sous-objectifs d'atteinte-évitement. Contrairement aux méthodes existantes, elle permet une généralisation sans échec en résolvant chaque sous-objectif un par un à l'aide d'une formulation RL sûre, plutôt qu'en conditionnant la séquence de sous-objectifs . De plus, elle introduit une nouvelle technique de réduction des observations induite par les sous-objectifs, qui atténue la complexité exponentielle des combinaisons sous-objectif-état sous des hypothèses réalistes. Les résultats expérimentaux démontrent que GenZ-LTL surpasse significativement les méthodes existantes en généralisation sans échec.
