論文の概要: VLPSA: Vision-Language-Poisson-Safe Actions for Full-Body Safety of Learned Policies

• arxiv url: http://arxiv.org/abs/2609.22462v1
• Date: Fri, 18 Sep 2026 18:22:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:54:20.189771
• Title: VLPSA: Vision-Language-Poisson-Safe Actions for Full-Body Safety of Learned Policies
• Title（参考訳）: VLPSA:学習薬の全身安全のためのビジョンランゲージ・ポアソンセーフアクション
• Abstract要約: 視覚言語アクション(VLA)モデルは、ますます汎用的なロボット操作を可能にするが、そのような学習されたポリシーは衝突回避の安全保証を提供していない。 この研究は、ビジュアルランゲージ・ポアソンセーフアクション(Vision-Language-Poisson-Safe Actions)を提示する。
• 参考スコア（独自算出の注目度）: 24.564923649598594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language-action (VLA) models enable increasingly general-purpose robotic manipulation, but such learned policies do not provide safety guarantees for collision avoidance---especially in environments outside of training distributions. This work presents Vision-Language-Poisson-Safe Actions (VLPSA), a safety filtering framework that provides full-body safety for VLA policies in cluttered and dynamic environments without retraining. VLPSA synthesizes Poisson Safety Functions (PSF) online from perception data, yielding a Control Barrier Function (CBF) that is enforced through a CBF-QP safety filter over the full body and any grasped object, treated as an extension of the final robot link. To enable real-time deployment while maintaining fine spatial resolution in critical task regions, VLPSA combines dual resolutions of this PSF using Boolean CBF compositions. We evaluate VLPSA on SafeLIBERO against safety-filtering baselines, where it achieves the highest collision avoidance rate among the evaluated methods, increasing collision avoidance from 23.1% for the base $π_{0.5}$ policy to 91.2% while surpassing its task success rate. We further deploy VLPSA on a Franka FR3 in cluttered scenes with dynamic obstacles and human interference, demonstrating real-time full-body safety during manipulation tasks.
• Abstract（参考訳）: 視覚言語アクション(VLA)モデルは、ますます汎用的なロボット操作を可能にするが、そのような学習されたポリシーは衝突回避の安全性を保証するものではない。 この研究は、VLPSA(Vision-Language-Poisson-Safe Actions)という安全フィルタリングフレームワークを紹介します。 VLPSAは知覚データからPoisson Safety Function(PSF)をオンラインに合成し、CBF-QP安全フィルタを介して全体と把握対象に強制される制御バリア関数(CBF)を最終的なロボットリンクの拡張として処理する。 クリティカルタスク領域における細かな空間分解能を維持しながらリアルタイムな展開を可能にするため、VLPSAはブールCBF合成を用いてこのPSFの二重分解能を組み合わせた。 我々はSafeLIBERO 上の VLPSA を安全フィルタベースラインに対して評価し,提案手法の衝突回避率が最も高いこと,また,基本 π_{0.5}$ 政策の 23.1% から 91.2% まで,タスク成功率を上回りながら衝突回避率を高めた。 VLPSAはFranka FR3上に動的障害物と人間の干渉で散らばったシーンに展開し,操作作業中の全体安全性をリアルタイムに示す。

関連論文リスト

• ShieldVLA: Feasibility-Aware Safety Alignment for Vision-Language-Action Models [0.8892547811987671]
  ShieldVLAは、Hamilton-Jacobi (HJ)リーチビリティに基づいた、VLAモデルの安全性に配慮した微調整フレームワークである。 視覚的観察からHJ到達可能性値関数のモデル自由近似を学習する。 累積安全性コストを平均で57%削減し、SafeVLAよりも+0.13向上する。
  論文  参考訳（メタデータ） (2026-09-02T10:10:32Z)
• VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring [60.53395558502203]
  Vision-Language Embodied Safety Agent (VLESA)は、自我中心のビデオから人間の活動を監視する。 VLESAは、コンテキストに応じて同一のアクションが安全または危険である意図に依存した安全性に対処する。 目標を共同で推測し,映像から将来の行動を予測するための意図-行動予測エージェントを提案する。
  論文  参考訳（メタデータ） (2026-06-02T17:42:17Z)
• Full-Body Dynamic Safety for Robot Manipulators: 3D Poisson Safety Functions for CBF-Based Safety Filters [23.052654862681738]
  ロボットマニピュレータの衝突回避には、高次元構成空間における全体安全制約を強制する必要がある。 本研究は3次元ポアソン安全関数(PSF)を利用した動的環境下でのマニピュレータのフルボディ衝突回避のための枠組みを提案する。 バッファリングされた領域でサンプルポイントを安全に保つことで,連続ロボット表面全体の衝突回避が保証されることを示す。
  論文  参考訳（メタデータ） (2026-04-23T01:13:02Z)
• RSafe: Incentivizing proactive reasoning to build robust and adaptive LLM safeguards [55.76285458905577]
  大規模言語モデル(LLM)は、意図的な安全確保努力にもかかわらず、脆弱性を示し続けている。 ポリシー違反のリスクから保護するために、外部ガードモデルによるシステムレベルのモデレーションが一般的な緩和戦略として現れている。 我々は、特定の安全ポリシーの範囲内で堅牢な保護を提供するためのガイド付き安全推論を行う適応型推論ベースの安全ガードであるRSafeを提案する。
  論文  参考訳（メタデータ） (2025-06-09T13:20:04Z)
• HoliSafe: Holistic Safety Benchmarking and Modeling for Vision-Language Model [58.12612140992874]
  我々は、安全で安全でない5つの画像テキストの組み合わせにまたがる、全体的な安全データセットとベンチマークである textbfHoliSafeを紹介した。 また,入力画像の有害性を評価するために,視覚ガードモジュール(VGM)を用いて,VLMの安全性を高めるための新しいモジュラーフレームワークを提案する。 実験により、HoliSafeでトレーニングされたVGMを使用したSafe-VLMは、複数のVLMベンチマークで最先端の安全性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-06-05T07:26:34Z)
• SafeVLA: Towards Safety Alignment of Vision-Language-Action Model via Constrained Learning [30.037309138373754]
  視覚言語アクションモデル(VLA)は、汎用的なロボットポリシーとしての可能性を示している。 これらのモデルは、環境、ロボット自身、人間への危害のリスクを含む、現実世界の展開中に極端な安全上の課題を生じさせる。 我々は、ISA(Integrated safety approach)を探求し、安全要件を体系的にモデル化し、多様な安全でない振る舞いを積極的に引き出すことによって、この問題に対処する。
  論文  参考訳（メタデータ） (2025-03-05T13:16:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。