Micro Neural Policies for Safe Real-Time Robotic Control

📄 arXiv: 2610.08541v1 📥 PDF

作者: Hongpeng Cao, Riccardo Curcio, Daniele Ottaviano, Marco Caccamo

分类: cs.RO, cs.AI

发布日期: 2026-10-06

备注: 9 pages

💡 一句话要点

提出微神经策略以解决资源受限机器人控制问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 微神经策略 实时控制 机器人系统 进化策略 统计模型检查 资源受限 安全性 稳健性

📋 核心要点

  1. 现有方法在资源受限的嵌入式设备上实现安全和稳健的机器人控制面临挑战，尤其是在神经网络规模和实时性能方面。
  2. 论文提出微神经策略（MNP），结合进化策略和统计模型检查进行策略搜索，以减少神经网络规模并确保安全性。
  3. 实验结果表明，MNP在Cartpole和四旋翼任务中实现了安全的模拟到现实迁移，且内存占用极低，适合微控制器部署。

📝 摘要（中文）

本文研究了微神经策略（MNP）的合成，以实现计算受限嵌入式设备上的安全和稳健的实时机器人控制。我们展示了将进化策略（ES）与基于统计模型检查（SMC）的验证相结合进行策略搜索，可以在不妥协安全性和稳健性的情况下显著减少神经网络的规模。通过在Cartpole和四旋翼控制任务上进行大规模训练和评估，验证了这些策略在模拟中的有效性，并通过零-shot迁移评估其在物理系统中的可部署性。实验表明，MNP能够成功实现安全的模拟到现实迁移，同时保持控制性能。最终，我们展示了这些策略的内存占用范围为0.5到7.5 kB，能够在微控制器上部署，实现实时推理延迟小于25 ns，同时使芯片在97%以上的时间内处于空闲状态，成为资源极其受限的机器人系统的实用解决方案。

🔬 方法详解

问题定义：本文旨在解决在计算资源受限的嵌入式设备上实现安全和稳健的机器人控制的问题。现有方法往往面临神经网络规模过大和实时性能不足的挑战。

核心思路：论文提出微神经策略（MNP），通过将进化策略（ES）与基于统计模型检查（SMC）的验证相结合，进行策略搜索，从而在确保安全性的同时显著减少神经网络的规模。

技术框架：整体架构包括策略生成、验证和部署三个主要模块。首先，使用进化策略生成初步的神经网络策略；然后，通过统计模型检查验证策略的安全性；最后，将验证后的策略部署到物理系统中进行测试。

关键创新：最重要的技术创新点在于将进化策略与统计模型检查相结合，形成了一种新的策略搜索方法。这一方法在确保安全性的同时，显著降低了神经网络的复杂度，与现有方法相比具有本质的区别。

关键设计：在设计过程中，策略的内存占用被控制在0.5到7.5 kB之间，采用了适合微控制器的网络结构。此外，推理延迟被优化到小于25 ns，同时保持芯片在97%以上的时间内处于空闲状态，以便于处理其他工作负载。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果显示，微神经策略在Cartpole和四旋翼控制任务中实现了安全的模拟到现实迁移，且内存占用仅为0.5到7.5 kB，推理延迟小于25 ns，表现出优越的实时性能和资源利用效率。这些结果表明，MNP在资源受限的机器人系统中具有显著的应用潜力。

🎯 应用场景

该研究的潜在应用领域包括无人机控制、自动驾驶汽车以及其他需要实时决策的机器人系统。由于其低内存占用和高效的实时性能，微神经策略能够在资源极其受限的环境中实现安全和稳健的控制，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

In this paper, we investigate the synthesis of Micro Neural Policies (MNP) to enable safe and robust real-time robotic control on computationally constrained embedded devices. We demonstrate that integrating Evolution Strategy (ES) and Statistical Model Checking (SMC)-based verification for policy search can drastically reduce neural network size without compromising safety and robustness. We conduct a large-scale training and evaluation of MNP on Cartpole and Quadrotor control tasks, varying control frequencies and network architectures. After validating these policies in simulation, we evaluate their deployability through zero-shot transfer to physical systems. Our experiments show that MNP can successfully achieve safe sim-to-real transfer without sacrificing control performance. We then show that the policies' memory footprint, ranging from 0.5 to 7.5 kB, allows deployment on microcontrollers, where they achieve real-time inference latency with under 25 ns of jitter while leaving the chip idle for over 97% of the time for additional workloads. This makes them a highly practical solution for severely resource-constrained robotic systems.