LIMBO: Learning and Internalizing Model-Free Barrier Objectives for Agile and Safe Whole-Body Control
作者: Jake Gonzales, Arturo Flores Alvarez, Yu-Ming Chen, Aaron D. Ames, Lillian J. Ratliff, Manikantan Nambi
分类: cs.RO
发布日期: 2026-09-18
💡 一句话要点
提出LIMBO框架以解决安全全身控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 全身控制 安全证书 控制障碍函数 风险引导采样 机器人运动 动态环境 任务策略 鲁棒性
📋 核心要点
- 现有方法在高维非线性动态下难以设计和重用安全证书，导致全身控制的安全性不足。
- LIMBO框架通过学习安全证书并将其融入任务策略，解决了安全控制的复杂性问题。
- 实验表明，LIMBO在实际硬件上成功应用，且无需在线安全过滤器，展示了其在敏捷全身控制中的有效性。
📝 摘要（中文）
安全的全身控制需要在高维非线性动态下协调避碰与平衡，这使得安全证书的设计与重用变得困难。本文提出LIMBO框架，通过合成状态-动作控制障碍函数并将其安全结构提炼至任务策略中，学习安全证书。LIMBO从黑箱转移和基于状态的失败规范中学习安全证书，使得Q-CBF合成在全控制维度上可行，并将证书置于任务策略的控制空间。在合成过程中，学习的安全值驱动风险引导采样，任务学习中则作为教师提供动作级安全反馈，最终生成稳健的任务策略，减少了部署时对在线安全过滤器的需求。我们在29自由度的人形机器人上展示了LIMBO在躲避球和低障碍物下的运动表现。
🔬 方法详解
问题定义：本文旨在解决高维非线性动态下的安全全身控制问题，现有方法在设计和重用安全证书方面存在困难，导致安全性不足。
核心思路：LIMBO框架通过合成状态-动作控制障碍函数，学习安全证书并将其嵌入任务策略中，利用黑箱转移和状态失败规范，使得安全控制在全维度上可行。
技术框架：LIMBO的整体架构包括安全证书的学习、风险引导采样和任务策略的生成三个主要模块。在合成阶段，学习的安全值用于驱动采样；在任务学习阶段，安全值作为反馈指导策略优化。
关键创新：LIMBO的创新在于将学习的安全证书直接嵌入任务策略中，避免了传统方法中对在线安全过滤器的依赖，提升了控制的灵活性和安全性。
关键设计：在设计中，关键参数包括安全值的学习率和风险引导采样的浓度设置，损失函数则结合了安全性和任务性能，确保学习到的策略在实际应用中具备鲁棒性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，LIMBO在29自由度的人形机器人上成功实现了躲避球和低障碍物的运动，且在相同安全规范下，通过调整采样浓度，策略从蹲下到新颖的后仰躲避动作均表现出显著的灵活性，且无需在线安全过滤器，展示了其在实际硬件上的有效性。
🎯 应用场景
该研究的潜在应用领域包括机器人运动控制、自动驾驶、以及人机交互等场景。通过实现安全且灵活的全身控制，LIMBO框架能够在复杂环境中有效应对动态变化，提升机器人在实际应用中的安全性和适应性。
📄 摘要（原文）
Safe whole-body control requires coordinating collision avoidance and balance under high-dimensional, nonlinear dynamics--making safety certificates difficult to design and reuse across behaviors. We present LIMBO, a framework for synthesizing a state-action control barrier function and distilling its safety structure into a task policy. LIMBO learns the safety certificate from black-box transitions and a state-based failure specification over residual actions around a frozen base controller, making Q-CBF synthesis tractable in the full control dimension while placing the certificate in the task policy's control space. During synthesis, the learned safety value drives risk-guided sampling near the estimated boundary of recoverability; during task learning, it serves as a teacher that provides action-level safety feedback, yielding a robust task policy and alleviating the need for an online safety filter at deployment. We demonstrate LIMBO on a 29-degree-of-freedom humanoid performing dodgeball avoidance and locomotion beneath low obstacles. Beyond scaling learned Q-CBFs to whole-body control, we show that risk-guided boundary sampling provides a theoretically grounded way to explore the edge of recoverability. Under the same safety specification, ceteris paribus, varying the sampling concentration produces strategies ranging from crouching to a novel backward-leaning limbo maneuver. In both settings, the learned policies transfer to hardware without online safety filtering, showing that learned safety synthesis scales to agile whole-body control.