ASMA：一种基于场景感知控制屏障函数的视觉-语言无人机导航自适应安全裕度算法

在快速发展的视觉-语言导航（VLN）领域，确保物理智能体的安全仍是一个开放挑战。对于人在回路的语言操作无人机而言，要实现安全导航，它必须理解自然语言命令、感知环境，并同时实时规避危险。控制屏障函数（CBF）是强制执行安全操作条件的形式化方法。模型预测控制（MPC）是一个优化框架，它在预测时域内规划一系列未来动作，在遵守约束的同时确保平滑的轨迹跟踪。在本工作中，我们考虑一个VLN操作的无人机平台，并通过利用具有红绿蓝（RGB）和深度（Depth）双通道摄像头的自中心观测，提出了一种新颖的场景感知CBF来增强其安全性。无CBF的基线系统使用带有跨模态注意力的视觉-语言编码器将命令转换为地标有序序列。目标检测模型在捕获的图像中识别并验证这些地标，以生成规划路径。为进一步增强安全性，提出了一种自适应安全裕度算法（ASMA）。ASMA跟踪移动对象并实时执行场景感知CBF评估，作为MPC框架内的附加约束。通过持续识别潜在的危险观测，系统实时预测不安全状况，并主动调整其控制动作，以在整个轨迹中维持安全导航。ASMA在Gazebo环境中使用机器人操作系统（ROS）部署于Parrot Bebop2四旋翼无人机上，与无CBF的VLN基线相比，成功率提升了64%-67%，而轨迹长度仅略有增加（1.4%-5.8%）。