arXiv cs.AI· Dylan Waldner, Yiannis Kantaros, Guido Governatori, Risto Miikkulainen, Amir Banifatemi·· 2 天前AI 评分24
基于世界模型的法律规划：用法律推理约束机器人行为
Legislating World-Model-Based Planning with Legal Reasoning
AI 导读
研究者提出一套法律规划栈，用可废止道义逻辑（DDL）约束运动规划器，并借助学习到的世界模型提供法律上下文，在非法动作执行前进行事前干预。该栈部署于模拟机械臂在 3x3 网格推方块的任务中，受法律约束的智能体遵守率显著高于未受约束者，建模感知不确定性后遵守率进一步提升。
正文 · AI 翻译
摘要：随着机器人系统日益通用化，需要法律规范将其融入社会。本文扩展了将法律源文本与其编码对齐的同构问题，并衡量了机器人规范控制面临的两项关键挑战：（1）基础同构差距，即感知误差为法律推理奠定了错误原子；（2）本体同构差距，即一个法律结论可被忠实翻译为多种规划约束。本文引入了一个法律规划栈，采用可废止道义逻辑（DDL）约束运动规划器。该栈利用学习到的世界模型进行规划并提供法律语境，从而实现事前治理，在非法行为执行前进行干预。它被部署在一个模拟机械臂上，在 3x3 网格上推动立方体。研究发现：（1）受立法约束的智能体遵守规范的频率显著高于未受立法约束的智能体，且对感知不确定性建模进一步提升了遵守率；（2）法律推理在运行时高效运行，其裁决可审计；（3）该栈能适应外生信号和内生的规则变化。两项差距均被测量：（4）世界模型和探针误差破坏了 DDL 推理器的事实输入；（5）单一法律允许多种忠实的度量解释，导致遵守率差异巨大。因此，事前立法按预期发挥作用，而通过标准化的法律到运行时约束映射以及改进的感知事实基础来弥合这些差距，将产生稳健的法律，使机器人行为与社会规范对齐。项目页面：此 https URL。
| 评论： | 项目页面：此 https URL。已被 JURIX 2026 接收 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机科学逻辑（cs.LO） |
| 引用为： | arXiv:2609.15113 [cs.RO] |
| （或 arXiv:2609.15113v3 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.15113 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dylan Waldner [查看电子邮件]
[v1]
2026年9月14日星期一 06:45:58 UTC（1,645 KB）
[v2]
2026年9月16日星期三 21:58:06 UTC（1,645 KB）
[v3]
2026年10月26日星期一 19:36:43 UTC（1,651 KB）
来源：arXiv cs.AI · arxiv.org