روش تازه‌ای برای اصلاح مسیر ربات‌های مبتنی بر مدل‌های بینایی‌ـ‌زبان

مدل‌های بینایی‌ـ‌زبان‌ـ‌عمل (VLA) می‌توانند برای ربات‌ها کنش‌های متناسب با یک وظیفه تولید کنند، اما اجرای ایمن آن‌ها در صحنه‌های دست‌کاریِ پر از مانع تضمین‌شده نیست. فیلترهای ایمنی مبتنی بر CBF-QP می‌توانند کنش‌های ناایمن را به‌طور محلی به مجموعه‌ای ایمن منتقل کنند؛ بااین‌حال، این اصلاح ممکن است ربات را از مسیر آموخته‌شده دور کند و جهت مطمئنی برای بازیابی مسیر در اختیار سیاست VLA نگذارد.

پژوهشگران در پیش‌چاپی با عنوان «Route-Guided CBF-QP Repair» ماژولی برای اصلاح پسینی پیشنهاد کرده‌اند. این روش از بخش کوتاه‌مدت کنش پیش‌بینی‌شدهٔ VLA استفاده می‌کند تا مسیرهای مسدود را تشخیص دهد و راهنماییِ ورود به مسیر جایگزین، عبور از کنار مانع و بازگشت به مسیر اصلی را بسازد. این مسیر به‌صورت یک مؤلفهٔ راهنمای نرم به تابع هدف CBF-QP افزوده می‌شود، درحالی‌که قید ایمنی CBF همچنان سخت باقی می‌ماند. چکیدهٔ در دسترس به ارزیابی روش روی SafeLIBERO اشاره می‌کند، اما نتیجهٔ کامل ارزیابی در متن ارائه‌شده نیامده است.