家庭机器人导航中障碍物条件化安全运动的基准评测 Benchmarking Obstacle-Conditioned Safety in Household Robot Navigation
OSMA-Bench 揭示 VLM/VLA 家用机器人策略难以把障碍物语义谨慎转化为实际运动
前置知识
VLM 与 VLA(视觉语言模型与视觉-语言-动作模型)
VLM 是能同时理解图像与文本的大模型,输出语言或代码;VLA 则在 VLM 基础上直接从图像、指令和本体状态输出机器人低层动作序列(如 12 维控制向量),通常在机器人演示数据上微调。VLM 策略需要外部框架把其输出翻译成运动,而 VLA 是端到端的。
本文评测的两大策略家族正是 VLM(经 VoxPoser/PIVOT 两个框架实例化)与 VLA,二者的架构差异直接决定了语义知识进入运动的路径,是全部实验分析的对象。
VoxPoser 代码生成框架
VLM 不直接输出动作,而是生成一段 Python 代码,代码构造 2D 价值地图:affordance 地图标记目标、avoidance 地图按净空半径 $R_C$ 排斥障碍物、速度设置规定在生效半径 $R_V$ 内的速度倍率,随后 A* 在代价地图上规划路径并执行。控制值($R_C$、$R_V$、速度倍率)显式写在代码里,可被直接检查。
论文 RQ2 的全部诊断都基于 VoxPoser:因为控制值可检查,才能定义 value-level SSI,把"模型怎么想"和"机器人怎么动"分开对比,发现联合生成代码会损害值推断这一关键现象。
PIVOT 路标点选择框架
在俯视场景图上叠加 12–20 个编号候选点,VLM 迭代三轮从中选择并细化出下一个中间航点,再由一次独立查询推断到该航点的分段速度曲线,执行后重新观测。空间决策表现为对视觉锚定候选点的离散选择,净空隐式蕴含在所选航点的位置里。
PIVOT 是与 VoxPoser 对照的第二种 VLM 实例化方式:它显式设置速度但不显式设置净空,实验显示其 SSI 显著更低,这一对比支撑了"显式控制参数帮助语义落地"的核心假设。
Kendall $\tau_b$ 等级相关系数
衡量两个排序一致性的非参数统计量:对每一对元素检查其相对次序是否一致,取值 −1(完全反转)到 +1(完全一致),0 表示一致与不一致的对数相等,并对并列情况做校正。本文用三个谨慎层级均值的符号对齐后做三对两两比较,再对单元格和特征取平均得到 SSI。
SSI 的整个数学构造建立在 Kendall $\tau_b$ 上;不懂得它就无法理解 SSI 为什么能刻画"运动是否遵循预期谨慎排序",也无法解读接近 0、正、负三种分数的含义。
近距归一化运动特征(proximity-normalized motion features)
在障碍物周围 1.25 m 边界内,把速度、加速度、jerk 的大小除以当时机器人到障碍物的表面距离,得到 $v_t/d_t$、$a_t/d_t$、$j_t/d_t$,再取均值与最大值,加上全程最小净空 $d_{min}$ 共 7 个特征。比值随"动得越快"或"离得越近"而增大,把运动与距离耦合进单一量。
这是 SSI 的输入特征:论文用图 2 论证单独看速度或单独看净空都无法区分某些更危险的轨迹,只有比值特征才能同时捕捉"更近"和"更快"两种不安全因素。
TSR / CFSR 与 CFSR-I 交集
TSR(任务成功率)要求终点位置在目标 0.5 m 内且朝向余弦相似度不低于 0.8;CFSR(无碰撞成功率)要求到达目标且全程未接触障碍物;CFSR/TSR 衡量成功任务中无碰撞的比例,是任务级安全主指标。CFSR-I 是同一策略组内所有模型都无碰撞成功的任务交集,用于控制任务选择偏差。
论文所有 SSI 都只在 CFSR-I 上计算以保证模型间可比;同时低成功率 VLA 的 CFSR-I 急剧缩水(GR00T N1.5 仅 14 个任务),直接限制了其 SSI 结论的可信度,是解读结果表的必备背景。
研究动机
随着机器人从结构化工业环境走进家庭,它必须与人、宠物和各类物品共处并绕行,而这些障碍物的安全含义截然不同:撞到儿童可能造成人身伤害,撞翻热巧克力可能造成烫伤和地板打滑,碰一下纸箱则几乎无碍。障碍物条件化安全运动适配(OSMA)要求机器人不仅避撞,还要根据"障碍物是什么"和"离它多近"来调节净空与速度——路过婴儿时应比路过垃圾桶保持更大间距、更低速度,且越近越要减速;同时这种谨慎必须是有选择性的,对一切障碍物一视同仁地保守会无谓牺牲效率。然而现有评测无法回答基础模型是否具备这种能力:社交导航基准(SocNavBench、HA-VLN 等)只关注与人交互,不覆盖多样化障碍物;面向基础模型的具身安全评测(ASIMOV、SAFEMIND、IS-Bench、BadRobot 等)只考察任务决策、约束遵守或拒绝危险指令,不检验语义区分是否体现在连续运动中。两类评测既不提供"只变障碍物、其余全同"的配对比较,也没有检验运动是否遵循预期谨慎排序的指标,导致 VLM/VLA 策略的这一安全维度长期处于评测盲区。
本文的目标是论文的目标是构建一个可复现、轨迹级的仿真基准,直接诊断家用导航策略是否具备 OSMA,并回答三个递进的问题:VLM 与 VLA 策略的执行轨迹是否随障碍物安全含义而系统性变化(RQ1);若没有,语义知识在"识别→控制值→执行"链条的哪一环丢失、如何修复(RQ2);外部引导能否让 VLA 恢复 OSMA,其骨干网络是否仍保有障碍物安全知识(RQ3)。为此需要两个此前缺失的组件:其一是空间匹配的场景集合——同一布局与路线下只变换障碍物类型,把"障碍物身份"从路线几何中隔离出来;其二是语义敏感指数 SSI——检验净空、近距速度、加速度与平滑度是否按"生物>易碎>结实"的预期谨慎排序。评测对象刻意选为紧凑开源权重的 VLM(4B–35B)与在 RoboCasa 上微调的 VLA,以贴近端侧部署的算力与隐私约束。
与已有工作不同的是，本文的独特切入角度在于把"安全"从离散的任务结果(到达/碰撞)重新定义为连续运动的相对排序问题。作者不是问"机器人有没有撞",而是问"经过婴儿时是否比经过纸箱更慢、更远、更平滑",并坚持在同一路线、同一布局、同一障碍物位置下做配对比较,使运动差异只能归因于语义而非几何。层级设定借鉴 ISO 12100 风险评估"后果×可能性"原则与协作机器人速度与间距监测(SSM)思想,把 18 个实体归入三个谨慎层级。方法学上的另一创新是双层面诊断:把 SSI 程序同时应用到执行轨迹与模型生成的控制值上(value-level SSI),通过对比"只问控制值"与"生成完整代码"两种模式精确定位语义接地断裂的环节;再通过检查速度生效半径 $R_V$ 与净空 $R_C$ 的空间关系($R_V \geq R_C + R_{base}$ 时速度才生效),发现了一个此前被忽视的工程性失效模式。这种"先隔离知识、再隔离执行几何"的归因路径在同类评测工作中是独有的。
核心方法
直觉上,如果把同一个婴儿、同一瓶红酒、同一个垃圾桶依次放在厨房同一位置,让机器人沿完全相同的路线经过,一个真正"懂安全"的策略应当在婴儿旁留出更大净空、以更低更平滑的速度通过。OSMA-Bench 正是按这种控制变量思想搭建:基于 RoboCasa 厨房仿真,作者新增障碍物资产并改造布局,构建 5 个布局 × (7 条路线 × 18 个障碍物 − 1) = 625 个任务(人在 Route F 上本身是终点,该配置被剔除)。18 个障碍物按预期谨慎程度分为三档 OCT:高(Living:人、男孩、女孩、婴儿、狗、猫)、中(Fragile:红酒、水杯、热巧克力、花瓶、落地盆栽、台灯)、低(Robust:垃圾桶、快递盒、坐垫、纸箱、木箱、包);所有障碍物放在同一位置,距离按表面到表面测量以削弱尺寸影响。策略侧部署三组:VLA 直接输出动作块;VoxPoser 由 VLM 生成代码构造 2D 价值地图(净空半径 $R_C$、速度倍率及其生效半径 $R_V$)并用 A* 规划;PIVOT 由 VLM 在图像上迭代选择路标点并单独推断分段速度。度量侧先从无碰撞成功轨迹提取 7 个运动特征,再在 35 个匹配单元格(5 布局 × 7 路线)内做层级均值比较,用 Kendall $\tau_b$ 聚合成 SSI,理想策略 SSI=1,层无差异策略期望为 0。
核心创新有三点。第一,匹配比较设计:每个 layout–route 单元格内只改变障碍物身份,位置、布局、路线全部固定,这让"谨慎排序"成为可检验的假设,而非被路线几何混淆的相关性。第二,SSI 把评测目标从绝对数值转向排序一致性:对每个单元格、每个特征计算三个层级符号对齐均值的 Kendall $\tau_b$(范围 −1 到 +1),再对单元格和特征双重平均;层无差异策略的期望 SSI 为 0,系统性反转则为负。这比绝对阈值更稳健——不预设"婴儿旁必须 0.5 m"这类任意标准,只要求相对次序正确,且对障碍物尺寸、平台差异保持中性。第三,双层面诊断:除了执行轨迹上的 SSI,还把同一程序应用到模型生成的控制值上得到 value-level SSI,对比"孤立值估计"(只给场景问控制值)与"代码生成"两种模式,可以精确定位语义知识在哪里丢失。与已有工作的本质区别:社交导航评测以人为中心、具身安全评测以决策为中心,本文首次以"连续运动是否遵循语义谨慎排序"为中心,并给出了从知识探针到执行几何检查的完整归因方法学。
方法步骤详情
方法流程分四步。第一步,任务构建:在 RoboCasa 厨房中固定 5 种布局(One-Wall Small、L-Shaped Small、U-Shaped Small、G-Shaped Small、G-Shaped Large)与 7 条路线(Route A:Fridge→CoffeeMachine 直至 Route G:Microwave→Sink),每条路线在固定位置摆放 18 个障碍物之一,共 625 个任务;输入是顶部俯视 RGB、物体列表和导航指令,每任务以 3 个种子重复。第二步,策略 rollout:VLA 接收三相机图像与本体状态直接输出 12 维动作块(XR-1 与 GR00T N1.5 每块 16 步、π0.5-OpenTau 20 步、π0.5-Human300 50 步);VoxPoser 管线为"场景+指令 → VLM 生成 Python 代码 → 构造 affordance/avoidance/rotation 三张 2D 地图与速度设置 → A* 规划 → 航点跟踪执行",代码中的 $R_C$(限 [0,80] cm)、速度倍率(限 [0,2] 倍)、$R_V$ 是显式可检查的控制值;PIVOT 管线为"叠加 12–20 个编号候选点 → VLM 三轮筛选细化出下一航点 → 单独查询分段速度曲线 → 执行"。第三步,特征提取:对无碰撞成功轨迹记录全程最小表面距离 $d_{min}$,以及在 1.25 m 边界内 $v_t/d_t$、$a_t/d_t$、$j_t/d_t$ 的均值与最大值(jerk 用 Savitzky–Golay 三次多项式 15 步窗口拟合的三阶导,避免位置抖动被 $\Delta t^3$ 放大;距离分母下限 0.05 m),共 7 特征。第四步,SSI 计算:在 35 个匹配单元格内对每层取特征均值,$d_{min}$ 取正号、六个比值特征取负号使"越大越谨慎",按 (L,M)、(L,H)、(M,H) 三对比较算 Kendall $\tau_b$,对单元格与特征双重平均;同一策略组内所有模型在 CFSR-I(全部模型都无碰撞成功的任务交集)上评分,以隔离任务选择差异。
技术新颖性
技术新颖性体现在度量设计、诊断方法与实证发现三个层面。度量上,SSI 借鉴 Kendall $\tau_b$ 构造排序一致性指标,配合符号对齐($d_{min}$ 为正、近距比值为负)统一"越大越谨慎"的约定;先对每层 6 个障碍物取均值再比较层级,避免同层 18 个实体间的无意义排名并列,并明确声明基准只主张层级间排序、不主张层内排序。诊断上,value-level SSI 把"控制值排序"从"执行排序"中剥离,揭示出联合生成代码会损害值推断(0.98 → 0.45)这一反直觉现象;三步分解(先推断 $R_C$,再条件于 $R_C$ 推断 $v$ 与 $R_V$,最后生成代码)配合 clamp 规则 $R_V \leftarrow \max(R_V, R_C + R_{base})$,把速度设置实际生效的任务比例(Vel.)从 0% 提升到 59%(clamp 前),SSI 从 0.38 升到 0.58。发现上,首次量化证明 VLA 的失败不在"知不知道"(重建的 GR00T 骨干 value SSI 0.573、线性探针 61.7–75.3% 可辨障碍物身份)而在"能否把知识写进动作";并指出速度区域与净空的几何耦合是代码生成策略的系统性盲点。这些贡献远超"再发布一个 benchmark"的范畴,提供了一套可迁移的安全归因方法学。
实验结果
RQ1(策略是否具备 OSMA):理想策略应位于 CFSR/TSR=100%、SSI=1.0 的右上角,但没有策略接近。VLA 组最弱:TSR 28.1%(π0.5-Human300)到 69.2%(π0.5-OpenTau),CFSR 11.4% 到 39.2%,CFSR/TSR 仅 40.6%–57.8%,即大量"成功"任务以碰撞为代价;CFSR-I 上 SSI 全为负(−0.595 GR00T N1.5 至 −0.262 XR-1),运动特征反而反向排序。PIVOT 组 CFSR/TSR 77.8%(RoboBrain2.5)到 89.5%(Qwen3.5-4B),但 SSI 在 −0.140(Cosmos-Reason2-32B)到 +0.132(Gemma-4-12B)之间徘徊于 0;剔除完成任务极少的 Cosmos-Reason2-8B 后,CFSR-I 上全组 SSI 为负(−0.209 至 −0.027)。VoxPoser 组是唯一 SSI 持续为正的:CFSR/TSR 94.9%–99.5%,SSI 0.169–0.493(Qwen3.6-35B-A3B 最高)。规模不是万能药:Qwen3.5 4B→9B 在 VoxPoser 下 SSI 0.254→0.323,在 PIVOT 下 −0.068→−0.061 几乎不动;Cosmos-Reason2-8B 的 VoxPoser TSR 仅 52.5%(82.9% 失败源于无法把文本目标落到场景物体)但 CFSR/TSR 达 96.0%;Qwen3.5-4B 有最高 CFSR/TSR 99.5% 却有最大平均碰撞步数 286.8。RQ2(Qwen3.5-9B 诊断):孤立值估计 value SSI 高达 0.98,而原始 VoxPoser 只有 0.45/0.38;安全提示仅把 SSI 提到 0.39–0.51;二步分解把 value SSI 提到 0.97 但 SSI 只 0.39——因为 Vel.=0%:模型把速度区域放在别的物体上(65.0% 的任务)或设 $R_V<R_C$(34.9%),速度设置从未生效。三步分解使 59.0% 任务满足 $R_V \geq R_C+R_{base}$(平均 $R_V$ 82.6 cm 对 $R_C$ 39.3 cm),SSI 升至 0.58,近婴儿平均速度 $\mu_v$ 从 1.04 降到 0.49 s⁻¹;残余问题是 $d_{min}$:请求净空在 34/35 单元格排序正确,执行净空只 1/35(3%),主因是 4 个放在桌上的中型障碍物,排除后 62% 单元格恢复排序。三步法的 22 个失败全是高谨慎任务(要求 ≤20% 速度导致在障碍物旁停滞,17 个超时、5 个接触)。RQ3(π0.5-OpenTau):五种安全提示均未改善(CFSR 最高 38.72% 出现在无提示的 c0;SSI 在 0.011 与 −0.048 之间);rollout 选择(K=4、Qwen3.5-35B 验证器)把 CFSR 从 37.92% 提到 44.64%(+6.72pp)但 SSI 从 −0.059 恶化到 −0.204,根因是候选多样性不足(平均成对距离中位数约 0.10 m、图像 SSIM 0.972–0.974,仅 3.5–7.2% 的近障碍决策含反向绕行候选)。骨干探针:重建的 GR00T N1.5 VLM(补 Qwen3-1.7B 第 13–28 层)value SSI 0.573(速度排序 τ=0.794 强于净空 τ=0.351);线性探针从视觉编码器输出识别 18 类障碍物达 75.3%,从动作头输入达 61.7%,证明安全相关信息仍在表示中但未进入动作。另有泛化缺口:VLA 在 Route E(目标为门)成功率 0–12.2%、Route F(目标为人)0–2.4%,远低于其余路线的 38.7–93.7%。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 任务级安全:成功任务中无碰撞的比例 | CFSR/TSR (%) | 99.5(VoxPoser 框架,Qwen3.5-4B) | 40.6(VLA 组,π0.5-Human300) | 代码生成的显式净空/速度参数使成功任务几乎不再伴随碰撞(VoxPoser 组 94.9–99.5% 对 VLA 组 40.6–57.8%) |
| 运动级语义敏感度:执行运动遵循谨慎排序的程度 | SSI(理想 1.0,层无差异 0) | +0.493(VoxPoser,Qwen3.6-35B-A3B) | GR00T N1.5 −0.595;PIVOT 组 −0.140 至 +0.132 | 唯一持续为正的策略组,但绝对值仍远低于理想 1.0,且 H−M 层级边际为负 |
| RQ2:VoxPoser+Qwen3.5-9B 的语义-运动适配 | SSI / value SSI / Vel.(速度设置生效比例) | 0.58 / 0.93 / 59.0%(三步模块化分解) | 0.38 / 0.45 / 0%(原始 VoxPoser) | SSI +0.20,速度近婴儿减半($\mu_v$ 1.04→0.49 s⁻¹);而二步分解虽 value SSI 达 0.97 却因 Vel.=0% 无效,凸显配置耦合的必要性 |
| RQ3:VLA(π0.5-OpenTau)外部引导 | CFSR (%) | 44.64(rollout 选择,K=4,Qwen3.5-35B 验证器) | 37.92(默认避免障碍指令 c1) | +6.72 个百分点,但 SSI 从 −0.059 恶化到 −0.204,安全收益未转化为语义适配 |
| RQ3:VLA 骨干内障碍物语义信息探针 | 18 类障碍物线性探针准确率 (%) | 75.3(视觉编码器输出特征) | 61.7(动作头输入特征) | 沿动作管线信息保留下降 13.6 个百分点,部分解释语义-动作断裂;两者均证明知识可及但未被使用 |
局限与改进
作者承认的局限:仅限仿真导航,操作任务与真实平台(如用混合现实模拟危险而不致实害)留待后续;SSI 只检查固定的 7 个特征排序,不覆盖接近方向、行为可读性等,需要人本 VLM 评估器补充;只评了紧凑开源模型(4B–35B),未含前沿闭源模型、经典规划器与 RL 策略;三层谨慎排序是基准内的相对约定,不是跨情境、跨文化的普适法则;尽管采用同位置摆放与表面距离测量,障碍物体积仍影响可用通道宽度,对层级间净空差异构成残余混淆。我的补充观察:第一,CFSR-I 交集机制在低成功率组内严重缩水——GR00T N1.5 只剩 14 个任务、π0.5-Human300 只有 2 个,其 ±0.4 量级的 SSI 方差使"VLA 反向排序"的结论只能谨慎解读;第二,RQ2 的方法对比与 RQ3 全部条件均为单种子,作者自己的 bootstrap 区间也多含零,统计功效有限;第三,三步分解依赖硬性 clamp($R_V \leftarrow \max(R_V, R_C+R_{base})$)才使速度生效,说明"修复"部分来自工程规则而非模型本身更懂安全;第四,$d_{min}$ 排序在排除桌上障碍物后才达 62%,暴露基准几何(障碍物置于桌上、规划器避开桌子)与度量(测到物体表面)之间的系统性错位;第五,VLA 各检查点训练数据与执行配置不同(如 π0.5-Human300 被事后改为整块执行),组内比较并不隔离架构因素;第六,谨慎层内排序未测,且"易碎"层的净空请求常不被模型设置(按 0 cm 默认执行),可能低估中层的真实谨慎度。
独立分析的弱点
独立分析的弱点与改进方向。(1)排序不等于安全:SSI 只保证相对次序,一个全局过慢的策略可能获得不错排序但完全不可用——Qwen3.5-4B 在提示引导下 TSR 跌到 47.7%–73.8% 就是例证;应把 SSI 与效率约束(如 NPT 上限)联报,或发展带幅度的排序指标。(2)三步法的速度生效带来新失效模式:22 个失败全是高谨慎任务,低速停滞反而延长了在障碍物旁的暴露时间,把碰撞风险变成"贴着婴儿蠕行";应给速度请求加下界并结合时间预算自适应调节。(3)PIVOT 的失败值得更深挖:其在 CFSR-I 上全组 SSI 为负,论文只归因于"净空隐式存在于航点选择";可引入对航点与障碍物距离的显式约束或拒绝采样来验证该假设。(4)候选多样性是 rollout 选择的硬瓶颈:86.5–92.2% 的决策中所有候选碰撞结果相同,平均分离仅约 0.10 m;应借鉴 FOREWARN 的模式聚合,或显式注入"绕左/绕右/减速"等方向性扰动扩大行为覆盖。(5)基准的行为面较窄:静态障碍、单一厨房域、500 步上限;动态行人、多障碍物、拥挤通道才是家庭真实风险的主要来源,当前设计无法覆盖。(6)谨慎层级到控制值的映射可能只是浅层词面关联:模型也许学到"生物类词→低速度"而非理解风险;可加入反事实探测(指令中把"婴儿"替换为"岩石"而图像不变)检验语义来源。(7)对 VLA 只测了 RoboCasa 微调版本,通用基座是否更强未知;加入零样本基座可区分"架构限制"与"微调数据分布限制"。(8)style 变体即造成最多 24 个任务从成功翻转为失败,说明结论对视觉外观的鲁棒性需在更多风格上验证。
未来方向
作者提出的方向:把协议扩展到操作任务与物理平台,用混合现实在不造成实际伤害的前提下仿真危险情形;用与人判断一致的 VLM 评估器补充 SSI,评估接近方向、可读性等更全面的安全行为;纳入前沿模型、经典规划器与 RL 策略以扩展覆盖;研究情境与文化相关的谨慎层级;解决障碍物尺寸对通道宽度的残余混淆。基于本文成果可自然延伸的研究:第一,规划侧的距离代价改造——论文明确指出 A* 只最小化膨胀障碍外的路径长度、没有奖励额外远离的项,应设计随距离衰减的代价场或平滑推离项,使请求净空真正反映到 $d_{min}$(目前超过 20 cm 的请求差只存活约 9 cm);第二,把"值-配置分离"范式推广为通用的两阶段控制值推理接口,并研究何时需要 clamp 之类的几何保证;第三,以 SSI 作为训练信号:无论是 VLA 微调的 RL 奖励还是偏好对构造,都可以用层级排序一致性生成标签,直接优化语义-运动接地;第四,改进 VLA 推理时的候选生成,如显式条件化多种绕行模式后再做验证器选择,突破 0.10 m 的多样性瓶颈;第五,把 value SSI、骨干探针等诊断手段作为安全回归测试集成到机器人模型发布流程,形成持续评测;第六,扩展到动态实体与人机共享空间,检验"静态摆放的人"与"正在移动的人"触发的谨慎差异,以及多障碍物组合下的谨慎优先级。
复现评估
复现条件较好。基准建立在开源的 RoboCasa/robosuite 仿真上,作者新增的障碍物资产与布局改造随基准发布;所有被评模型均为开放权重(4B–35B 的 VLM 经 vLLM 本地 bf16 服务,4 个 VLA 为公开 checkpoint),无 API 依赖;三步分解的 Step 1/Step 2 提示模板、按环境变量切换的配置、任务列表、种子与相机设置均已发布,GR00T 骨干重建模型也挂在 HuggingFace(ocsnav/groot-vlm-graft28)。算力门槛温和:实验在 RTX A5000(24 GB)/RTX 6000 Ada(48 GB)多卡工作站完成,大多数 VLM 单卡服务,两个 Docker 容器各容纳 13 个 MuJoCo worker 并行;完整 625 任务 × 5 模型 × 3 种子(9375 rollouts)约 16 小时,PIVOT 单任务中位 170 s、VoxPoser 119 s,π0.5-OpenTau 单次查询往返 451 ms。难度评估为中等:有仿真与模型权重的团队可以复现主结果;需要注意的坑包括 VLA 控制器映射与动作块执行配置(论文承认 π0.5-Human300 做了事后 Nexec 调整)、CFSR-I 交集随方法组合变化导致 SSI 子集不可直接比较、以及视觉 style 即可翻转任务结果(最多 24 个任务),复现数值时应固定 style 并明确报告子集定义。
论文图表
同一路线上机器人分别经过垃圾桶(左,低谨慎)和婴儿(右,高谨慎)的对比示意:两条轨迹都无碰撞到达目标,但障碍物条件化安全策略应在婴儿旁表现更保守的运动;SSI 衡量最小净空与近障碍速度、加速度、jerk 是否遵循这一谨慎排序。
一张图道明论文核心概念——避撞成功不等于安全,直观建立"谨慎排序"的评测哲学,是全文动机的视觉锚点。