论文页面 - 面向障碍物条件安全性的家庭机器人导航基准测试

来源：https://huggingface.co/papers/2610.34674

摘要

本研究提出了一个基准测试和度量指标，用于评估机器人导航策略是否能根据障碍物的安全语义调节连续运动，揭示了在将语义层面的谨慎转化为安全运动方面存在的差距。

安全的家庭导航要求机器人根据障碍物的类型和距离来调节间距与速度，同时避免不必要的过度保守。然而，现有的评测并未检验语义上的安全区分是否能够体现在连续运动中。为此，我们提出了 OSMA-Bench（https://huggingface.co/papers?q=OSMA-Bench），即一个基于空间匹配的场景集构建的障碍物条件安全运动适应（Obstacle-Conditioned Safe Motion Adaptation，https://huggingface.co/papers?q=Obstacle-Conditioned%20Safe%20Motion%20Adaptation）基准，这些场景集之间仅在障碍物类型上存在差异。我们还提出了语义敏感性指数（Semantic Sensitivity Index，https://huggingface.co/papers?q=Semantic%20Sensitivity%20Index）（SSI），用于衡量间距以及依赖距离的速度和平滑度是否遵循障碍物的谨慎等级排序。在该基准上对基于 VLM 的策略和视觉-语言-动作（VLA）策略进行评估后，我们发现两者均无法持续地根据障碍物安全性调节运动，即使提供了显式的安全提示也是如此。我们的分析表明，这些策略能够根据安全相关性正确地区分障碍物，但未能将这种区分反映到其生成的运动参数或动作中。对于基于 VLM 的策略（https://huggingface.co/papers?q=VLM-based%20policies）——即先识别障碍物、再生成导航程序的策略——在这两个阶段之间加入一个显式的参数推断步骤能够改善其适应性。这些发现揭示了语义到运动映射（semantic-to-motion grounding，https://huggingface.co/papers?q=semantic-to-motion%20grounding）方面的不足，凸显了将语义层面的谨慎转化为适当安全运动的必要性。

查看 arXiv 页面 (https://arxiv.org/abs/2610.34674) | 查看 PDF (https://arxiv.org/pdf/2610.34674) | 项目页面 (https://osma-bench.github.io/) | GitHub0 (https://github.com/OSMA-Bench/OSMA-Bench) | 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.34674)

在你的智能体中获取此论文：

hf papers read 2610.34674

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.34674，即可从此页面关联该论文。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.34674，即可从此页面关联该论文。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.34674，即可从此页面关联该论文。

包含此论文的合集 0

暂无合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面关联该论文。