我们提出了在复杂网络中移动的机器人的形式化规范和验证，使用时间序列学习来避免障碍。我们的目的是证明使用形式化方法来分析这样一个系统作为模拟的补充方法的好处。我们首先描述了系统的经典闭环仿真，并将此方法与使用形式验证分析系统的方法进行了比较。我们表明，形式化验证比经典模拟有一些优势，并发现了经典模拟没有发现的不足。具体来说，我们给出了系统的正式规范，用Promela建模语言定义，并展示了如何使用Spin模型检查器验证相关模型。然后，我们引入了一个抽象模型，该模型适用于在给定的一组假设下验证任何具有障碍的环境的相同属性。我们概述了如何证明我们的抽象是正确的：为抽象模型保留的任何属性都将保留在原始（未抽象）模型中。
