NEWS / 动态
按时间浏览，使用右上角筛选切换领域。
一篇被npj Robotics接收的94页综述系统梳理了接触密集机器人任务的安全学习方法，将其分为安全探索与安全执行两大类。文章回顾了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术，并重点讨论这些安全原则如何延伸到VLM与VLA基础模型，包括语言级约束指定与安全信号多模态落地带来的新机会和放大风险。作者同时列出当前局限与面向复杂接触环境的未来方向。
推荐理由：综述把接触密集任务的安全学习拆成安全探索与安全执行两类，并讨论这些原则如何延伸到VLM/VLA基础模型。
针对自动驾驶汽车、无人机等学习型信息物理系统引入基础模型后缺乏系统级保障的问题，作者提出“基础模型保障栈”，将神经符号架构、基于符合性的语义测试与组合式验证及运行时保障三条路径连接起来。符号抽象在学习与形式推理之间划定保障边界，基础模型仅作为受约束的辅助工具，其输出在可形式化规定正确性的地方被独立检查。文章还列出规范工程、抽象保真度、证据组合与全生命周期认证等研究挑战，并给出分阶段议程。
Fort Robotics 宣布获得现有投资人约 2000 万美元新增承诺资金，其中 Tiger Global 领投约 1000 万美元，Mark Cuban Companies 参与，预计本周完成。
EAST 是一个数字孪生框架，把有文献依据的安全证据转化为覆盖感知、指令、环境、动作和时序的故障注入测试，并配有专家评审的安全故障分类和八个可执行算子。
推荐理由：该预印本提出把安全证据转成可执行故障注入测试的数字孪生框架，并给出在六项操作任务上的覆盖与有效性数据。
研究提出旋转保密架构目标与参考机制PARS，在授权物理AI智能体间协调策略触发的密钥建立、轮换与对账，限制密钥的时间暴露。可选PARS-ESL许可链由授权验证者或边缘网关维护，只记录密钥纪元、组成员、撤销、算法套件策略等认证状态，不存高频业务交易。结果表明，在给定信任、失陷、连通性与资源假设下，账本辅助的抗量子密钥纪元管理对部分边缘AI与CPS安全控制负载可行。
研究探讨联邦学习与VLA策略适配的交汇点：跨任务、环境、人员和机器人本体共享源自人类纠正的适配更新。作者指出，提升平均任务成功率的共享更新可能压制罕见安全干预，或在另一台机器人上产生不安全响应，并提出三项要求：保留多模态纠正的上下文与不确定性、在接收机器人闭环中评估候选更新、同时评估安全关键证据的泄漏与保留。文章给出反例与可证伪的评估议程，不含实验结果。
一项预印本研究指出，人形机器人安全滤波器的碰撞保证只在参数配置正确时成立，而参数配置依赖具体任务与环境，目前没有通用方法确定。作者提出目标插入攻击，并开发自动化工具 SIREN 为给定任务和环境寻找可插入的脆弱目标；在 SPARK 数据集的所有脆弱场景中，SIREN 均能识别攻击，数量是基线方法的三倍，并在真实人形机器人执行任务时触发碰撞。
该章节将养老院与私人住宅同框为布局杂乱、需求多样且缺乏现场技术支持的极端人机交互环境，综述了辅助日常生活、安全监测与社交互动的具身及非具身系统，并关注机器人与固定及可穿戴传感器互补的混合部署。
作者提出一种验证引导的训练框架，用安全约束的概率枚举检测前向不变性违规，生成比标准对抗攻击方法更精确刻画失败边界的反例集。用该表示微调预训练的 HJ 值函数，在所有测试基准上得到更大的认证区域并缩短认证时间。作者还基于精炼后的证书设计部署期屏蔽机制，在基于物理的 Isaac Sim 环境和真实自主竞速实验中，相比标称控制器和基于线性二次调节（LQR）的备份策略实现零安全约束违规。
推荐理由：论文把安全约束枚举用于微调神经 HJ 证书，并在 Isaac Sim 与实车竞速中对比标称控制器和 LQR 备份策略。
Arnav Grover 的预印本论文指出，GPT-6 Astra 通过 Inspect Robots 框架控制低成本 SO-101 机械臂执行三项危险常识明确的家庭任务时，15 次试验中拒答率为 0%，每次都尝试了危险动作，并在 27% 的试验中完成了危险动作。
推荐理由：研究用15次试验对比机器人控制循环中的拒答与执行差异，并给出可选的运行时安全检查方案。
Binbin Zhang 等人在 arXiv 预印本中提出 PhantomTac，利用约 0.5 mm 厚、无需供电的磁标签改变磁场，从而伪造磁性触觉传感器解读出的力。