Multi-Link Safety Filtering for VLA Policies Around Moving Hazards

📄 arXiv: 2609.40007v1 📥 PDF

作者: Yatharth Agarwal, Vijay Raghunathan

分类: cs.RO, cs.CV

发布日期: 2026-09-30

备注: 9 pages, 4 figures, 3 tables. Project page: https://yathag.github.io/multilink-safety-filter/

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出多链接安全过滤以解决动态危险物体的操控安全问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 视觉-语言-动作 动态危险物体 安全过滤 机械臂 实时跟踪 多链接保护 机器人安全 稀疏光流

📋 核心要点

  1. 现有的VLA策略在执行任务时可能会碰撞与任务无关的物体，导致安全隐患。
  2. 本文提出了一种训练无关的多链接安全过滤机制，通过椭球体覆盖机械臂的多个部分，实时跟踪动态危险物体。
  3. 在六种模拟危险物体运动条件下，碰撞率从65.62%降低到27.27%，安全成功率从29.35%提升至50.43%。

📝 摘要（中文）

视觉-语言-动作（VLA）策略在执行操控任务时可能会碰撞与任务无关的物体，因此仅靠任务成功无法证明策略在杂乱环境中的安全性。本文研究如何在不重新训练的情况下，实时保持预训练的VLA策略远离动态危险物体。提出的训练无关的保护机制覆盖了机械臂的抓手、腕部和前臂，通过五个椭球体过滤每个命令动作，显著降低了碰撞率并提高了安全成功率。

🔬 方法详解

问题定义：本文旨在解决预训练的VLA策略在动态环境中执行操控任务时的安全性问题。现有方法未能有效防止机械臂碰撞与任务无关的物体，导致安全隐患。

核心思路：提出了一种训练无关的保护机制，利用五个椭球体覆盖机械臂的抓手、腕部和前臂，实时跟踪危险物体的位置，确保机械臂在执行任务时保持安全距离。

技术框架：整体架构包括三个主要模块：1) 椭球体保护层，覆盖机械臂多个部分；2) 基于RGB-D感知的危险物体检测与跟踪；3) 运动命令过滤机制，通过椭球体屏障实时调整机械臂的运动。

关键创新：最重要的创新在于通过多链接的保护机制，超越了仅保护末端执行器的传统方法，显著提高了机械臂在动态环境中的安全性。

关键设计：采用五个椭球体作为保护屏障，结合稀疏光流技术进行危险物体的实时跟踪。系统在异构边缘硬件上运行，确保在99百分位下的响应时间为2.2毫秒，优化了视觉-语言前缀和流匹配步骤，减少了每次策略调用的时间。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，提出的多链接安全过滤机制在六种模拟条件下，成功将碰撞率从65.62%降低至27.27%，同时将安全成功率从29.35%提升至50.43%。在物理SO-101机械臂的实验中，保护机制有效减少了碰撞事件，显示出显著的安全性提升。

🎯 应用场景

该研究具有广泛的应用潜力，尤其在服务机器人、自动化仓库和人机协作等领域。通过提高机械臂在动态环境中的安全性，可以有效减少事故发生，提升工作效率，推动智能机器人技术的实际应用与发展。

📄 摘要（原文）

A vision-language-action (VLA) policy can finish a manipulation task while knocking over objects unrelated to it, so task success alone does not show that the policy is safe to deploy in clutter. We study how to keep a pretrained VLA policy clear of such hazards at run time without retraining it, which requires guarding more of the arm than the end effector, following the hazard as it moves, and sharing onboard compute with the policy. Our training-free shield covers the gripper, wrist, and forearm with five ellipsoids and filters every commanded motion through one barrier program against a keep-out ellipsoid fitted from RGB-D perception at reset. Sparse optical flow then carries that ellipsoid's center along with the hazard, with no repeated detection or refitting. Over six simulated hazard-motion conditions, the shield lowers collision from $65.62\%$ to $27.27\%$ and raises safe-success, task completion without collision, from $29.35\%$ to $50.43\%$. Ablations show that guarding the arm links protects beyond end-effector shielding, and that tracking recovers most of the protection lost when the hazard estimate is frozen at reset. On heterogeneous edge hardware, the five-ellipsoid barrier runs on the CPU in $2.2$~ms at the 99th percentile, and trimming the vision--language prefix and taking fewer flow-matching steps shortens each $π_{0.5}$ policy call on the integrated GPU from $343$ to $177.3$~ms. On a physical SO-101 arm across four tasks, the arm touched the hazard in 3 of 16 shielded episodes versus 11 of 16 unshielded ones. Project page: https://yathag.github.io/multilink-safety-filter/