从语言到安全：机器人导航的语言条件安全过滤
机器人学
2025-11-11 v1
摘要
随着机器人越来越多地融入开放世界、以人为中心的环境中，其能够解释自然语言指令并遵守安全约束对于有效且可信赖的交互至关重要。现有方法往往侧重于将语言映射到奖励函数而非安全规范，或仅处理狭窄的约束类别（如障碍物规避），限制了其鲁棒性和适用性。我们提出了一个模块化的框架，用于机器人导航的语言条件安全。该框架由三个核心组件构成：1）基于大型语言模型 (LLM) 的模块，将自由形式的指令转换为结构化的安全规范；2）感知模块通过维护环境的对象级 3D 表示来对这些规范进行 grounding；3）基于模型预测控制 (MPC) 的安全过滤器，用于实时执行语义和几何约束。我们通过仿真研究和硬件实验评估了所提框架的有效性，结果表明它能够在广泛的环境和情景中稳健地解释并执行多样化的语言指定约束。
引用
@article{arxiv.2511.05889,
title = {From Words to Safety: Language-Conditioned Safety Filtering for Robot Navigation},
author = {Zeyuan Feng and Haimingyue Zhang and Somil Bansal},
journal= {arXiv preprint arXiv:2511.05889},
year = {2025}
}