Safe Learning for Contact-Rich Robot Tasks: A Survey from Classical Learning-Based Methods to Safe Foundation Models
作者: Heng Zhang, Rui Dai, Gokhan Solak, Pokuang Zhou, Yu She, Arash Ajoudani
分类: cs.RO
发布日期: 2025-12-10
DOI: 10.36227/techrxiv.176472870.03980379/v1
🔗 代码/项目: GITHUB
💡 一句话要点
综述：面向接触密集型机器人任务的安全学习方法，从经典方法到安全具身智能
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)
关键词: 安全学习 接触密集型任务 机器人控制 强化学习 具身智能 视觉-语言模型 安全探索 安全执行
📋 核心要点
- 接触密集型任务对机器人控制提出了挑战，现有方法难以在保证安全性的前提下实现复杂操作技能。
- 该综述总结了安全探索和安全执行两大类方法，并分析了约束强化学习、控制屏障函数等关键技术。
- 重点讨论了视觉-语言模型等具身智能模型如何影响安全学习，以及它们带来的机遇与挑战。
📝 摘要（中文）
接触密集型任务对机器人系统提出了重大挑战，因为它们具有固有的不确定性、复杂的动力学以及交互过程中发生损坏的高风险。近年来，基于学习的控制在使机器人获得和泛化此类环境中复杂的操作技能方面显示出巨大的潜力，但确保探索和执行过程中的安全性仍然是可靠的实际部署的关键瓶颈。本综述全面概述了用于机器人接触密集型任务的安全学习方法。我们将现有方法分为两个主要领域：安全探索和安全执行。我们回顾了关键技术，包括约束强化学习、风险敏感优化、不确定性感知建模、控制屏障函数和模型预测安全盾，并强调了这些方法如何结合先验知识、任务结构和在线自适应来平衡安全性和效率。本综述特别强调了这些安全学习原则如何扩展到新兴的机器人具身智能模型并与之交互，特别是视觉-语言模型 (VLM) 和视觉-语言-动作模型 (VLA)，它们统一了感知、语言和控制以进行接触密集型操作。我们讨论了基于 VLM/VLA 的方法所带来的新的安全机会，例如约束的语言级别规范和安全信号的多模态基础，以及它们引入的放大的风险和评估挑战。最后，我们概述了当前局限性和有希望的未来方向，以在复杂的接触密集型环境中部署可靠的、安全对齐的和支持具身智能模型的机器人。
🔬 方法详解
问题定义：接触密集型机器人任务由于其固有的不确定性、复杂的动力学以及潜在的损坏风险，对安全学习提出了严峻的挑战。现有的学习方法虽然在复杂操作技能的获取和泛化方面取得了进展，但往往难以在探索和执行过程中同时保证安全性，限制了其在实际场景中的可靠部署。
核心思路：本综述的核心思路是将现有的安全学习方法划分为安全探索和安全执行两大类，并深入分析每一类方法中的关键技术。通过对这些技术的梳理和总结，揭示了它们在平衡安全性和效率方面的优势与不足，并探讨了它们与新兴的具身智能模型相结合的可能性。
技术框架：本综述的技术框架主要包括以下几个部分：首先，对接触密集型机器人任务的特点和挑战进行概述；其次，详细介绍安全探索和安全执行两大类方法，并对其中的关键技术进行剖析，例如约束强化学习、风险敏感优化、不确定性感知建模、控制屏障函数和模型预测安全盾等；最后，探讨这些安全学习原则如何与视觉-语言模型 (VLM) 和视觉-语言-动作模型 (VLA) 等具身智能模型相结合，并分析其带来的机遇与挑战。
关键创新：本综述的创新之处在于：1）系统地梳理和总结了用于接触密集型机器人任务的安全学习方法，并将其划分为安全探索和安全执行两大类；2）深入探讨了这些安全学习方法与新兴的具身智能模型相结合的可能性，并分析了其带来的机遇与挑战；3）对未来的研究方向进行了展望，为该领域的研究人员提供了有价值的参考。
关键设计：本综述的关键设计在于其分类框架和对关键技术的深入剖析。通过将安全学习方法划分为安全探索和安全执行两大类，可以更清晰地理解不同方法的侧重点和适用场景。对约束强化学习、控制屏障函数等关键技术的深入剖析，则有助于读者更好地理解这些方法的原理和实现细节。
📊 实验亮点
该综述重点强调了安全学习原则如何扩展到视觉-语言模型 (VLM) 和视觉-语言-动作模型 (VLA) 等新兴的机器人具身智能模型，并讨论了VLM/VLA带来的新的安全机会，例如约束的语言级别规范和安全信号的多模态基础。同时，也指出了它们引入的风险和评估挑战。
🎯 应用场景
该研究成果可应用于各种需要机器人与环境进行安全交互的场景，例如：工业自动化中的装配、打磨、抛光等任务；医疗机器人中的手术、康复等任务；以及家庭服务机器人中的清洁、整理等任务。通过提高机器人在这些场景中的安全性，可以降低事故风险，提高生产效率，并扩展机器人的应用范围。
📄 摘要（原文）
Contact-rich tasks pose significant challenges for robotic systems due to inherent uncertainty, complex dynamics, and the high risk of damage during interaction. Recent advances in learning-based control have shown great potential in enabling robots to acquire and generalize complex manipulation skills in such environments, but ensuring safety, both during exploration and execution, remains a critical bottleneck for reliable real-world deployment. This survey provides a comprehensive overview of safe learning-based methods for robot contact-rich tasks. We categorize existing approaches into two main domains: safe exploration and safe execution. We review key techniques, including constrained reinforcement learning, risk-sensitive optimization, uncertainty-aware modeling, control barrier functions, and model predictive safety shields, and highlight how these methods incorporate prior knowledge, task structure, and online adaptation to balance safety and efficiency. A particular emphasis of this survey is on how these safe learning principles extend to and interact with emerging robotic foundation models, especially vision-language models (VLMs) and vision-language-action models (VLAs), which unify perception, language, and control for contact-rich manipulation. We discuss both the new safety opportunities enabled by VLM/VLA-based methods, such as language-level specification of constraints and multimodal grounding of safety signals, and the amplified risks and evaluation challenges they introduce. Finally, we outline current limitations and promising future directions toward deploying reliable, safety-aligned, and foundation-model-enabled robots in complex contact-rich environments. More details and materials are available at our \href{ https://github.com/jack-sherman01/Awesome-Learning4Safe-Contact-rich-tasks}{Project GitHub Repository}.