VLPSA：视觉语言泊松安全操作，确保学习策略的全身安全

视觉-语言-动作（VLA）模型使机器人操作变得越来越通用，但这种学习策略并不能为避免碰撞提供安全保证——尤其是在训练分布之外的环境中。这项工作提出了 Vision-Language-Poisson-Safe Actions (VLPSA)，这是一种安全过滤框架，可为杂乱和动态环境中的 VLA 策略提供全身安全性，而无需重新训练。 VLPSA 根据感知数据在线合成泊松安全函数 (PSF)，产生控制屏障函数 (CBF)，该函数通过 CBF-QP 安全过滤器在全身和任何抓取的物体上强制执行，将其视为最终机器人链接的延伸。为了实现实时部署，同时在关键任务区域保持精细的空间分辨率，VLPSA 使用布尔 CBF 组合结合了该 PSF 的双重分辨率。我们根据安全过滤基线评估了 SafeLIBERO 上的 VLPSA，它在评估的方法中实现了最高的碰撞避免率，将碰撞避免率从基本 $\pi_{0.5}$ 策略的 23.1% 提高到 91.2%，同时超过了其任务成功率。我们进一步在存在动态障碍和人为干扰的杂乱场景中在 Franka FR3 上部署 VLPSA，展示操作任务期间的实时全身安全性。