SafeFlow：通过物理引导的整流流和选择性安全门控进行实时文本驱动的人形全身控制

实时交互式文本驱动运动生成的最新进展使类人机器人能够执行多种行为。然而，仅运动学的生成器通常会表现出物理幻觉，产生的运动轨迹在物理上无法用下游运动跟踪控制器进行跟踪，或者对于现实世界的部署来说是不安全的。这些故障通常是由于缺乏用于实际机器人执行的明确的物理感知目标而引起的，并且在分布外（OOD）用户输入下变得更加严重。因此，我们提出了 SafeFlow，一种文本驱动的人形全身控制框架，它将物理引导的运动生成与由明确的风险指标驱动的三级安全门相结合。 SafeFlow采用两级架构。在高层次上，我们在 VAE 潜在空间中使用物理引导整流流匹配生成运动轨迹，以提高真实机器人的可执行性，并通过回流进一步加速采样，以减少实时控制的功能评估 (NFE) 数量。 3 级安全门通过在文本嵌入空间中使用 Mahalanobis 分数检测语义 OOD 提示、通过方向灵敏度差异度量过滤不稳定的生成以及在将生成的轨迹传递到底层运动跟踪控制器之前强制执行最终的硬运动学约束（例如关节和速度限制）来实现选择性执行。 Unitree G1 上的大量实验表明，SafeFlow 在成功率、物理合规性和推理速度方面优于基于扩散和重定向的基线，同时保留了运动多样性，并且在三个下游跟踪控制器上具有一致的增益。