Contextual Safety Reasoning and Grounding for Open-World Robots
本文提出了名为 CORE 的安全框架，该框架利用视觉语言模型实时推理环境上下文并生成安全规则，结合控制障碍函数在无需预先环境知识的情况下，为开放世界机器人提供具备感知不确定性的概率安全保证。
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
这篇论文介绍了一种名为 CORE 的新系统，它就像给机器人装上了一副“有常识的超级眼镜”和一颗“谨慎的大脑”，让机器人能在完全陌生的环境中安全地行动。
想象一下，如果你被蒙上眼睛扔进一个从未去过的陌生城市，你只能靠听声音和偶尔掀开眼罩看一眼来走路。传统的机器人就像是一个只会看“硬障碍”的机器人：它知道“墙”和“桌子”不能撞，但如果看到地上有个“小心地滑”的牌子，或者看到一群人正在开会，它可能就会傻傻地直接冲过去，因为它只认物理障碍，不懂“语境”。
CORE 系统是如何解决这个问题的呢？我们可以把它想象成三个步骤的“安全特工”：
1. 像侦探一样“看图说话” (视觉 - 语言推理)
传统的机器人需要人类提前把地图和所有规则（比如“别进厨房”）写进它的代码里。但 CORE 不需要。
- 比喻：CORE 里住着一个超级聪明的 AI 侦探（基于视觉 - 语言模型，VLM）。当机器人看到一张照片时，这个侦探不仅能看到“地上有个黄色的牌子”，还能瞬间理解：“哦，这是一个‘小心地滑’的警示牌，这意味着牌子周围的地面都很危险，不能走。”
- 创新点：它不需要人类提前教它什么是“湿地板”，它自己就能从图片里“推理”出规则。如果看到一排路障锥桶，它会明白：“虽然锥桶本身不挡路，但它们围起来的区域是禁区。”
2. 把“想法”变成“地图” (语义落地)
侦探发现了规则，但机器人需要具体的“禁区地图”才能执行。
- 比喻：侦探告诉机器人：“别靠近那个穿红衣服的人。”机器人需要把这个模糊的指令变成具体的坐标。CORE 会立刻在机器人的“脑海地图”上，以那个穿红衣服的人为中心，画出一个隐形的安全缓冲区。
- 操作：它把侦探的“语言规则”（比如“不要靠近”）转化成了具体的“空间禁区”（比如“距离那个人 1 米内的圆圈”）。
3. 像老司机一样“踩刹车” (安全控制)
有了禁区地图，机器人怎么动呢？
- 比喻：机器人的控制核心就像一个经验丰富的老司机。他手里有一个“刹车系统”（控制障碍函数，CBF）。
- 如果机器人想直行，但前方是“隐形禁区”，这个系统会立刻介入，温柔但坚定地调整机器人的方向或速度，确保它永远不跨进那条红线。
- 即使机器人的眼睛（传感器）有点模糊，或者 AI 侦探偶尔看走眼了，这个系统也会通过数学概率保证：只要它还在安全范围内，就不会突然失控撞上去。
为什么这个研究很重要？
- 以前的机器人：像是在走钢丝，必须有人提前把钢丝画好，并且告诉它哪里是悬崖。一旦到了没画过的新地方（比如一个从未见过的办公室），它就可能因为不懂“这里不能踩”而掉下去。
- 现在的 CORE：像是一个有常识的探险家。它走进一个陌生的房间，看到“禁止入内”的牌子，看到“有人在工作”，看到“地面湿滑”，它就能当场理解并自动避开。
实验结果怎么样？
研究人员在模拟环境和真实的机器狗（Boston Dynamics Spot）上做了测试：
- 结果：CORE 的表现几乎和拥有“上帝视角”（知道所有秘密规则）的机器人一样好。
- 对比：那些没有“常识推理”能力的旧方法，在遇到新情况时，经常因为不懂语境而做出危险动作（比如试图穿过人群或踩上湿滑地面）。CORE 成功避免了这些情况，比旧方法安全得多。
总结来说，CORE 让机器人从“只会避障的机器”进化成了“懂规矩、有常识的智能伙伴”。它不再需要人类把世界的所有规则都写进代码，而是学会了看着眼前的世界，自己思考什么该做、什么不该做，从而在复杂多变的真实世界中安全行走。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。