💻 计算机科学

Safe Stochastic Explorer: Enabling Safe Goal Driven Exploration in Stochastic Environments and Safe Interaction with Unknown Objects

本文介绍了一种名为安全随机探索者（Safe Stochastic Explorer, S.S.Explorer）的新型框架，该框架通过利用高斯过程在线学习安全函数，并平衡信息收集与概率安全保证，使自主机器人能够在随机环境中安全地导航并与未知物体进行交互。

原作者： Nikhil Uday Shinde, Dylan Hirsch, Michael C. Yip, Sylvia Herbert

发布于 2026-02-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Nikhil Uday Shinde, Dylan Hirsch, Michael C. Yip, Sylvia Herbert

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一个被派往一个完全陌生的房间寻找特定宝藏的机器人。问题在于，你不知道房间的平面布局，而且地板非常湿滑。有时，当你尝试向前走时，你可能会意外地向侧面滑动或原地旋转。如果你踩到了“陷阱”（不安全区域），你就会损坏。

大多数现有的机器人安全系统都像是只知道在完美地图化的干燥高速公路上驾驶的司机。它们假设它们完全知道转向盘会如何反应。但在现实世界中，情况是混乱的。机器人可能会在冰面上打滑，或者家用机器人在推一个看似很轻的罐子时，发现它其实很重，导致自己倾倒。

这篇论文介绍了一个名为 S.S. Explorer（安全随机探索者）的新系统。你可以把它想象成一个不仅仅是“希望”自己不会打滑，而是主动为打滑的可能性进行规划的机器人。

它是如何工作的，通过以下简单的概念进行分解：

1. “湿滑地板”问题（随机性）

在现实世界中，动作并不是完美的。如果你告诉机器人向前移动，它实际上可能会向左前或右前移动。这种随机性被称为随机性（Stochasticity）。

旧方法： 以前的方法假设机器人会完全按照指令移动。如果地板很滑，机器人会意外地走进陷阱并损坏。
S.S. Explorer 的方式： 这个机器人假设地板可能很滑。它会问：“如果我尝试移动到这里，我滑入危险区域的概率是多少？”只有在它在统计学上非常确定不会滑入危险时，它才会移动。

2. “神秘盒子”地图（学习安全性）

机器人不知道房间的哪些部分是安全的（如平滑的地板），哪些是危险的（如坑洞或易碎的花瓶）。

工具： 机器人使用一种称为**高斯过程（Gaussian Process）**的数学工具。把它想象成一个“智能猜测者”。随着机器人在不同位置接触，它会构建一张安全地图。
神奇之处： 这个“智能猜测者”不仅猜测安全性水平，还猜测它对该判断的“不确定程度”。
- 如果机器人不确定，它知道它需要收集更多信息（探索）以确保安全。
- 如果它非常确定某个点是安全的，它就会移动到那里。
- 如果它非常确定某个点是危险的，它就会避开。

3. 三条安全规则

为了确保机器人永远不会被困住或损坏，S.S. Explorer 在采取每一步行动前都会遵循三条严格的规则：

即时安全性： “我目前站立的位置是否安全？”
安全返回： “如果我迈出一步并意外地向错误的方向滑动，是否保证有一条路径可以回到安全点？”（这可以防止机器人陷入死胡同）。
安全到达： “如果我尝试移动到一个新位置，是否可能使我可能滑到的整个范围内的所有地方也都是安全的？”

4. “推罐子”挑战（物体交互）

论文还在测试一个机器人手臂尝试推过桌面上未知物体（如罐子或瓶子）的情况。

问题： 机器人不知道这些罐子有多重或有多滑。推一个罐子可能会让它倾倒并洒出内容物。
解决方案： 机器人将这种交互视为一种“湿滑”事件。它使用一种特殊的“相对地图”。它不是想“罐子在位置 X”，而是想“罐子在我的右侧 2 英寸处”。这使得机器人能够学习“将物体向右推 2 英寸是安全的”，无论该物体实际在桌子的什么位置。
结果： 机器人学会了识别哪些物体足够稳定可以推，哪些太摇晃，从而在不撞倒任何东西的情况下安全地绕行。

5. 结果：模拟与现实

作者通过两种方式测试了它：

计算机模拟： 他们创建了带有“坑洞”（危险区）和“湿滑”运动的 2D 网格虚拟机器人。
- 结果： 旧方法经常失败，会滑入危险区。S.S. Explorer 在离散测试中成功率达到 100%，在连续测试中即使在“打滑”程度很高的情况下也达到了近 90%。
真实硬件： 他们制造了一个带有铲子附件的真实机器人手臂，并尝试推过装满石头（以改变重量）的薯片罐。
- 结果： 一个“天真”的机器人（没有考虑随机性的机器人）撞倒了罐子。S.S. Explorer 则小心翼翼地推动罐子，弄清楚了哪些罐子是稳定的，并在没有洒出一粒薯片的条件下到达了桌子的另一端。

总结

S.S. Explorer 是一种探索未知领域的新方法。它不再假装世界是完美且可预测的，而是承认事情可能会出错（打滑、滑动、倾倒）。它利用智能数学来不断更新其“安全地图”，确保即使犯错，它也能始终回到安全状态。这使得机器人在像家庭、仓库和灾区这样混乱、不可预测的地方工作时，不会损坏物品或伤害人类。

技术摘要：安全随机探索器 (S.S. Explorer)

问题陈述

在非结构化、安全至上的环境中（例如行星探测、仓库、家庭）运行的自主机器人，必须在系统动力学和安全特性尚不完全明确的情况下进行导航与交互。现有的安全控制方法（如 Hamilton-Jacobi Reachability (HJR) 和控制障碍函数 (CBF)）通常假设系统动力学是已知的。相反，现有的安全探索技术往往无法处理现实世界交互中固有的不可避免的随机性，例如无人车在未知地形上打滑或机器人推动未映射的物体。

本文解决的核心问题是在未知环境下进行基于目标的安全性随机探索。机器人必须平衡两个相互竞争的目标：

探索： 通过收集信息来减少关于环境安全属性的不确定性。
安全： 确保以高置信度保证机器人在整个运行过程中保持在安全集合内，尽管存在随机的状态转移。

论文将安全函数 $q(x)$ 定义为未知的，其中如果 $q(x) > q_T$ ，则该状态是不安全的。智能体在随机转移模型 $x_{t+1} \sim p(x_{t+1}|x_t, a_t)$ 下运行，旨在到达一个最大化性能函数 $f(x)$ 的目标，同时不违反安全约束。

方法论

作者提出了 安全随机探索器 (S.S. Explorer)，这是一个利用 高斯过程 (GPs) 在线学习未知安全函数的框架。该方法利用高斯过程的预测不确定性来引导信息收集动作，同时提供关于安全违规的概率边界。该框架分为三种变体：

1. 离散状态空间公式

对于有限的离散状态空间，该方法将智能体的运动建模为马尔可夫链。它通过三个迭代准则定义“完全安全”的状态：

即时安全性： 状态的安全代价以高概率低于阈值。
安全随机返回： 存在一条保证路径可以回到初始安全集合，且不会退出即时安全状态集，从而确保递归可行性。
安全随机到达： 智能体可以从当前安全集转移到该状态，同时确保整个随机到达分布保持在安全边界内。

算法采用集合扩张和精炼算子：

即时安全扩张 ( $\bar{I}$ )： 使用高斯过程上下界 ( $u_t(x), l_t(x)$ ) 和 Lipschitz 连续性假设，来扩张被认为安全的态集合。
安全随机返回精炼 ( $\bar{R}$ )： 通过迭代限制安全集，使其仅包含那些即使在发生随机偏差时仍能返回安全核心的状态。
安全随机到达精炼 ( $\bar{m}$ )： 确保从安全集出发一步可达的状态分布保持安全。

智能体通过识别“候选扩张者”来选择动作——这些是在安全集边界附近、具有不确定性但从悲观角度看是安全的态，它们能提供关于目标区域的信息。

2. 连续状态空间公式

为了解决连续域中的可扩展性问题，作者引入了一种松弛方案。他们不再跟踪复杂的集合，而是使用源自高斯过程后验分布的指示函数。

松弛： 严格的“安全随机返回”保证被松弛为仅确保“安全随机到达”和即时安全性。这虽然移除了完成任务的保证（避免陷入困境），但确保了瞬时安全性。
解析计算： 为了处理高斯转移分布 $T(x, a) \sim \mathcal{N}(\mu, \Sigma)$ 的随机到达问题，该方法使用矩匹配 (moment matching) 来解析计算到达状态的安全值分布。这使得可以直接评估安全指示器，而无需采样。
路径安全性： 利用 Lipschitz 连续性来调整安全阈值 ( $q_T' = q_T - L \cdot d_{max}/2$ )，以保证在离散规划步骤之间的连续轨迹上的安全性。

3. 以物体为中心的公式

该框架被扩展到涉及物理交互多个未知物体的情景（例如，推挤架子上的物品）。

以物体为中心的表示： 为了处理移动物体，安全性在机器人相对于每个物体的相对状态空间中进行建模。这使得高斯过程即使在物体位置变化时也能重用过去的交互数据。
多物体安全性： 全局安全函数被定义为所有物体中最大安全代价。整体安全集被计算为各个物体单独安全集的交集。
实现： 在连续情况下，通过为每个物体训练单独的高斯过程，并在预测期间聚合它们的极端情况概率边界来实现，从而避免了显式计算高维集合交集的计算开销。

核心贡献

离散安全探索： 一种在具有随机转移的离散状态空间中进行安全探索的新方法，利用基于高斯过程的不确定性来界定安全违规并保证安全随机返回。
连续松弛： 一种针对连续状态空间的具有可扩展性的松弛方案，在保留安全性保证（即时安全和安全到达）的同时提高了实际领域的计算效率，尽管在任务完成保证方面有所减弱。
安全物体交互： 一个应用驱动的扩展，展示了该框架如何通过在相对坐标中建模安全性并取交集安全集，来实现对多个未知物体的安全物理交互。

实验结果

作者通过广泛的仿真和硬件实验验证了 S.S. Explorer：

地面机器人（离散）： 在 8 个具有高随机性（预期动作概率 $p=0.35$ ）的环境中进行的 80 次试验中，S.S. Explorer 实现了 100% 的成功率 且 0% 的安全违规。相比之下，基准方法（忽略了随机性）仅实现了 35% 的成功率和 65% 的违规率。
地面机器人（连续）： 在 425 条轨迹中，S.S. Explorer 实现了 70.35% 的成功率 和 6.82% 的违规率，显著优于基准方法（41.8% 成功率，49.8% 违规率）。采用动态 $\beta$ 缩放（根据进度调整保守程度）的变体实现了 88.47% 的成功率 和 9.88% 的违规率。
安全物体（仿真）： 在涉及机械臂推动未知物体的 55 次试验中，随机化公式实现了高达 81.8% 的成功率 且 0% 违规（在特定方差设置下），而基准方法失败率为 50.9%。
硬件： 使用 Franka Emika Panda 机械臂进行的真实世界实验成功导航了一个装有不同质量薯片罐的桌面。该方法在到达目标时没有倾倒物体，而朴素的基准方法则会导致物体倾倒，从而违反安全性。

意义与主张

论文声称 S.S. Explorer 代表了向在复杂、不确定环境中实现可靠、广泛的机器人自主化迈出的重要一步。其意义在于：

弥合差距： 明确考虑了安全探索中的随机动力学，这是以往假设已知动力学或忽略转移不确定性的方法所留下的关键空白。
处理未知交互： 提供了一个用于安全物理交互未知物体的原则性框架，超越了简单的碰撞规避，转向管理交互动力学（例如，倾覆、摩擦）。
平衡安全性与性能： 证明了通过利用不确定性（通过高斯过程）和随机建模，机器人可以比确定性基准更有效地进行探索，并更频繁地到达目标，因为后者在面对现实世界的噪声时往往会失败或导致违规。

作者承认了局限性，包括高斯过程的计算可扩展性 ( $O(N^3)$ )、对系统边界先验知识（如 Lipschitz 常数）的依赖，以及安全性与性能之间的权衡。他们指出，连续和以物体为中心的变体放宽了“安全随机返回”的保证，这意味着机器人理论上可能会陷入困境，但仍能保持瞬时安全性。未来的工作旨在重新引入返回保证并处理复杂的物体间交互。