この記事では、異種エージェントを有するマルチロボットシステムにおいて高レベルのミッションが信頼性高く遂行されるために、虚偽行動を検出するための強力な手法を提案しています。具体的には、線形時相論理（LTL）式として定義された計画の虚偽実行を特定する課題に取り組み、誤ったタスクシーケンスや空間制約の違反、時間的な不整合、意図したミッションの意味からの逸脱を評価します。これを解決するために、Nets-within-Nets（NWN）パラダイムを基にした構造化データ生成フレームワークを導入し、ロボットの行動をLTL由来のグローバルミッション仕様に沿わせて調整します。また、ロボットの軌道を正常または異常に分類するTransformerベースの異常検出パイプラインを提案し、実験では、実行の非効率性を識別する高い精度（91.3%）と、主要なミッション違反（88.3%）および制約ベースの適応異常（66.8%）に対する強固な検出能力を示しています。