基于流匹配的安全机器人运动规划：通过控制障碍函数实现
机器人学
2025-11-13 v3 系统与控制
系统与控制
摘要
近期的生成模型进展在机器人运动规划中取得了令人振奋的成果，尤其是通过扩散和流匹配（FM）基于的模型，能够捕获复杂、多模态的轨迹分布。然而，这些方法通常在离线训练，面对新环境时受限于约束，往往缺乏显式机制确保部署时的安全性。本文提出了安全流匹配（SafeFlow），一种用于轨迹生成的运动规划框架，将流匹配与安全性保证相结合。SafeFlow 利用我们提出的流匹配障碍函数（FMBF）确保规划出的轨迹在整个规划时域内保持在安全区域内。关键的是，我们的方法实现了训练自由的、实时安全强制执行，无需重新训练。在多样化的任务上进行评估，包括平面机器人导航和 7 自由度操作，SafeFlow 在安全性和规划性能方面均优于最先进的生成式规划器。项目网站提供了综合资源：https://safeflowmatching.github.io。
引用
@article{arxiv.2504.08661,
title = {SafeFlow: Safe Robot Motion Planning with Flow Matching via Control Barrier Functions},
author = {Xiaobing Dai and Zewen Yang and Dian Yu and Fangzhou Liu and Hamid Sadeghian and Sami Haddadin and Sandra Hirche},
journal= {arXiv preprint arXiv:2504.08661},
year = {2025}
}