面向机器人操作的属性驱动时序安全基准：SafeManip
机器人学
2026-05-13 v1
摘要
机器人操作通常以任务成功率为评估标准，但成功完成任务并不保证安全执行。许多安全失效具有时序特征：机器人在污染后触碰干净表面，或在物体完全放入容器前即释放物体。我们提出 SafeManip，一种基于属性的时序安全评估基准，旨在显式评估机器人操作中的时序安全属性，超越此前主要关注任务完成或单状态约束违规的评估方式。SafeManip 使用有限 traces 上的线性时序逻辑（LTLf）定义可复用的安全模板，将观测到的 rollout 映射到符号谓词 trace，并通过 LTLf 基监控器进行评估。其属性套件覆盖八大操作安全类别：碰撞与接触安全、抓取稳定性、释放稳定性、跨污染、动作启动、机制恢复、物体包含与 enclosure 访问。模板可实例化为特定于任务的对象、 fixture、区域或技能，从而实现同一安全规范在不同任务和环境中的泛化。我们在 50 个 RoboCasa365 家庭任务上评估了 SafeManip，测试对象包括 、、GR00T 及其训练变体。结果表明，即便是强大的模型也常常执行不安全。任务成功的提升并不可靠地转化为更安全的执行：许多成功的 rollout 仍不安全，而更长时程或更复杂的任务则暴露出更多违规。SafeManip 为诊断时序安全失效并衡量任务完成之外的安全成功提供了可复用的评估层。
引用
@article{arxiv.2605.12386,
title = {SafeManip: A Property-Driven Benchmark for Temporal Safety Evaluation in Robotic Manipulation},
author = {Chengyue Huang and Khang Vo Huynh and Sebastian Elbaum and Zsolt Kira and Lu Feng},
journal= {arXiv preprint arXiv:2605.12386},
year = {2026}
}