通过约束流匹配为视觉-语言-动作模型提供神经符号安全指导

视觉-语言-动作（VLA）模型已经在机器人操作任务中展示了有前景的泛化能力，但由于缺乏有效的安全措施，它们在现实世界中的部署仍然受到限制。具体来说，现有的安全措施只能防止机器人下一步动作引起的碰撞。在本文中，我们提出了一种基于流量匹配的 VLA 的神经符号安全引导机制，可以实现预测性避免碰撞。基于流匹配的 VLA 通过迭代神经流匹配过程预测轨迹（一系列动作）来确定下一步动作。我们的方法将安全执行制定为最小范数约束优化问题，用于纠正噪声中间轨迹预测的去噪过程中的安全违规行为。通过分析预测轨迹并在迭代去噪期间应用修正，我们的方法可以在碰撞不可避免之前预测到它们。符号约束满足与神经轨迹生成的这种交错可以实现预测性碰撞避免，而不是反应性干预。在 SafeLIBERO 基准上，我们的方法实现了 82.8% 的碰撞避免率和 81.6% 的任务成功率，比单步方法分别提高了 6.3% 和 19.8%，在复合分布偏移最明显的长范围任务中收益最大。我们的方法的视频演示包含在我们的项目页面上：https://willenglish.tech/SafetyGuidedFlowMatching/。