Learning Safe Flow Matching Robot Policies from Binary Feasibility Oracles
作者: Jianming Ma, Rongjun Jin, Yizhi Chen, Yue Gao
分类: cs.RO, cs.AI
发布日期: 2026-10-29
💡 一句话要点
提出基于二元可行性预言机的安全流匹配机器人策略
🎯 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) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 流匹配 机器人策略 可行性预言机 安全机制 约束学习
📋 核心要点
- 现有的流匹配机器人策略在生成动作时，无法保证满足物理约束，尤其是在可行性集无法解析描述的情况下。
- 本文提出了一种基于二元可行性预言机的可微安全机制，通过修正不安全更新和提取局部边界信息，实现安全流匹配策略的学习。
- 实验结果显示，该方法在障碍物感知的机器人操作中实现了100%的约束满足，同时保持了良好的任务性能。
📝 摘要（中文）
随着机器人基础模型越来越依赖基于流的动作生成进行通用操作，生成的动作并不总能满足物理约束，如关节限制和避免碰撞。尤其是在可行集无法通过解析方式描述，仅能通过黑箱可行性预言机访问的情况下，这一问题尤为复杂。本文研究了这一实际的预言机-only设置，提出了一种基于预言机引导的可微安全机制，用于安全流匹配机器人策略。该机制利用二元可行性查询在前向传播中修正不安全的更新，同时提取局部边界信息，以在反向传播中提供约束感知的学习信号。结合离散时间流匹配，该机制在训练和推理过程中均可使用，实现了无显式或可微约束模型的前后对齐策略学习。实验结果表明，在障碍物感知的机器人操作中，100%满足约束的同时保持任务性能。
🔬 方法详解
问题定义：本文旨在解决流匹配机器人策略在生成动作时无法保证满足物理约束的问题，尤其是在可行性集无法通过解析方式描述的情况下，现有方法在这一点上存在显著不足。
核心思路：论文提出了一种基于二元可行性预言机的可微安全机制，通过在前向传播中修正不安全的更新，并在反向传播中提取局部边界信息，提供约束感知的学习信号，从而实现安全的流匹配策略学习。
技术框架：整体架构包括两个主要阶段：前向传播阶段通过可行性查询修正动作更新，反向传播阶段则利用提取的边界信息进行约束感知学习。该机制在训练和推理过程中均可使用，确保了策略学习的前后对齐。
关键创新：最重要的技术创新在于提出了一种无显式或可微约束模型的安全机制，利用二元可行性预言机进行有效的约束学习，与现有方法相比，显著提升了策略的安全性和有效性。
关键设计：在设计中，采用了特定的损失函数来平衡任务性能与约束满足，同时网络结构经过优化，以确保在处理复杂环境时的稳定性和效率。具体参数设置和网络架构细节在实验部分进行了详细说明。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的方法在障碍物感知的机器人操作中实现了100%的约束满足率，且在任务性能上与基线方法相比没有显著下降，显示出该方法在安全性与性能之间的良好平衡。
🎯 应用场景
该研究的潜在应用领域包括服务机器人、工业自动化以及任何需要在复杂环境中进行安全操作的机器人系统。通过确保生成动作满足物理约束，能够显著提升机器人在实际应用中的安全性和可靠性，未来可能推动更广泛的机器人技术应用。
📄 摘要（原文）
Robot foundation models increasingly rely on flow-based action generation for general-purpose manipulation, yet the generated actions are not guaranteed to satisfy physical constraints such as joint limits and collision avoidance. This problem is especially challenging when the feasible set cannot be described analytically and is accessible only through black-box feasibility oracles. We study this practical oracle-only setting and propose an oracle-guided differentiable safeguard for safe flow-matching robot policies. The safeguard uses binary feasibility queries to correct unsafe updates in the forward pass, while extracting local boundary information to provide constraint-aware learning signals in the backward pass. Combined with discrete-time flow matching, the same safeguard is used during training and inference, enabling forward--backward aligned policy learning without explicit or differentiable constraint models. Experiments on obstacle-aware robotic manipulation demonstrate 100% constraint satisfaction while preserving task performance.