SafeBimanual：面向安全双臂操作的基于扩散的轨迹优化
机器人学
2025-08-26 v1 人工智能
摘要
双臂操作已广泛应用于家庭服务和制造业，能够通过协调要求完成复杂任务。近期基于扩散的策略学习方法在为双臂操作建模动作分布方面取得了可喜的性能。然而，它们忽略了双臂操作的物理安全约束，导致了损坏机器人和物体的危险行为。为此，我们提出了一种名为 SafeBimanual 的测试时轨迹优化框架，适用于任何预训练的基于扩散的双臂操作策略，该框架对双臂动作施加安全约束，以避免危险的机器人行为并提高成功率。具体而言，我们针对不同的双臂协作模式设计了多样的代价函数以实现安全约束，包括避免撕裂物体以及手臂与物体间的碰撞，并通过扩散去噪过程的引导采样来优化机械臂轨迹。此外，我们采用视觉语言模型（VLM）通过指定关键点及相应的成对关系来调度代价函数，从而在整个双臂操作过程中动态生成最优安全约束。SafeBimanual 在 RoboTwin 的 8 项仿真任务中展现出优越性，成功率提升 13.7%，不安全交互减少 18.8%，超越了最先进的基于扩散的方法。在 4 项真实世界任务上的大量实验进一步验证了其实用价值，成功率提升了 32.5%。
引用
@article{arxiv.2508.18268,
title = {SafeBimanual: Diffusion-based Trajectory Optimization for Safe Bimanual Manipulation},
author = {Haoyuan Deng and Wenkai Guo and Qianzhun Wang and Zhenyu Wu and Ziwei Wang},
journal= {arXiv preprint arXiv:2508.18268},
year = {2025}
}
备注
Project website is at: https://denghaoyuan123.github.io/SafeBimanip/