arXiv · cs.RO· Heng Zhang, Rui Dai, Gokhan Solak, Pokuang Zhou, Nikos Tsagarakis, Yu She, Arash Ajoudani·· 13 小时前精选AI 评分62
论文 / 摘要阅读
综述：接触密集机器人任务的安全学习，从经典方法到安全基础模型
Safe Learning for Contact-Rich Robot Tasks: A Survey from Classical Learning-Based Methods to Safe Foundation Models
AI 导读 · 根据来源整理
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。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org