arXiv cs.AI· Sad{\i}k Bera Y\"uksel, Derya Aksaray·· 10 小时前AI 评分31
面向机器人基础模型的规范感知动作分布优化框架
Specification-Aware Distribution Shaping for Robotics Foundation Models
AI 导读
研究者提出一种规范感知的动作分布优化框架，可在不修改预训练机器人基础模型参数的前提下，于执行阶段强制满足一类 Signal Temporal Logic（STL）约束。该方法在每个决策步通过前向动力学传播推理剩余时域，计算出满足硬性 STL 可行性约束的最小修改动作分布。研究在仿真中基于当前先进的机器人基础模型、跨多个环境和复杂规范完成了验证。
正文 · AI 翻译
摘要：机器人基础模型已展现出在执行自然语言指令方面的强大能力，可跨多种任务和环境运行。然而，它们在很大程度上仍是数据驱动的，在部署过程中缺乏对约束满足的形式化保证。在实践中，机器人往往需要遵守包含丰富时空要求的运行约束，例如有界时间内的目标访问、顺序目标以及持续安全条件。在本工作中，我们提出了一个规范感知的动作分布优化框架，可在预训练机器人基础模型执行过程中强制执行一大类信号时序逻辑（STL）约束，且无需修改其参数。在每个决策步骤，该方法通过前向动力学传播对剩余时域进行推理，计算出一个满足硬 STL 可行性约束的最小修改动作分布。我们使用最先进的机器人基础模型在多个环境和复杂规范下对该框架进行了仿真验证。
| 评论： | 8 页，4 幅图 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.17969 [cs.RO] |
| （或使用 arXiv:2603.17969v2 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2603.17969 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sadık Bera Yüksel [查看电子邮件]
[v1]
2026 年 3 月 18 日星期三 17:36:46 UTC（4,865 KB）
[v2]
2026 年 10 月 30 日星期五 15:28:37 UTC（3,294 KB）
来源：arXiv cs.AI · arxiv.org