PulseAugur
实时 09:16:52
English(EN) Towards General Language-Conditioned Latent Safety Filters

机器人获得语言条件安全过滤器,可实现自适应约束执行

研究人员开发了一种新的机器人安全过滤方法,该方法使用语言来指定约束。这种方法基于Hamilton-Jacobi理论,允许单一的安全执行器和评估器适应不同用户、环境和应用中的各种安全要求,而无需为每个新约束进行重新设计或重新学习。在抓取-放置、擦桌子和堆叠积木任务中的实验表明,这些语言条件安全过滤器减少了约束违反,并显示出在相似类别的新、未见过约束实例中转移的能力。 AI

影响 这项研究有望实现更灵活、更自适应的机器人安全系统,这对于在各种环境中广泛部署至关重要。

排序理由 该集群包含一篇研究论文,详细介绍了一种新的机器人安全过滤器方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器人获得语言条件安全过滤器,可实现自适应约束执行

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ihab Tabbara, Yuxuan Yang, Hussein Sibai ·

    Towards General Language-Conditioned Latent Safety Filters

    arXiv:2608.00315v1 Announce Type: cross Abstract: Robot policies are becoming increasingly general, with vision-language-action (VLA) models enabling a single policy to execute diverse tasks specified in natural language. Safe deployment, however, requires adapting not only to ne…