[论文] Learning Adaptive Safety Margins for Visual Navigation

论文概要

研究领域: RO 作者: Junyi Hu, Shuaihang Yuan, Geeta Chandra Raju Bethala, Anthony Tzes, Yi Fang 发布时间: 2026-07-20 arXiv: 2607.18200 分类: cs.RO, cs.AI

中文摘要

杂乱室内空间中的机器人往往失败的原因不是无法生成无碰撞路径，而是固定的安全边界校准错误：保守的边界导致绕行和超时，而宽松的边界在感知偏置下导致近边界捷径。基于扩散的规划器从自我中心RGB-D提出多样化的轨迹候选，但可靠的选择仍是瓶颈。我们提出一个情境条件化的安全评判器，学习自适应间隙偏好来对扩散提案进行排序，分解为三个互补项：(i)带有间隙预算惩罚和控制障碍函数残差的安全项，用于路点和过渡安全；(ii)结合平滑度惩罚和安全门控绕行比惩罚的效率项，避免绕行而不激励冒险捷径；(iii)将学习到的预算锚定到实现的ESDF间隙的距离约束匹配项，防止边界崩溃。我们在模拟中使用特权ESDF几何训练评判器，并通过两阶段师生过程将其蒸馏为纯感知选择器。

原文摘要（精炼版）

We propose an adaptive safety critic for ranking diffusion proposals in visual navigation, with safety, efficiency, and distance-constraint terms. Trained in simulation, it transfers to a Unitree G1 humanoid without task-specific tuning.

--- *自动采集于 2026-07-22*

#论文 #arXiv #RO #小凯