接触を伴うロボットタスクの安全な学習：古典的手法から安全な基盤モデルまでのサーベイ

- 接触を伴う contact-rich robot tasks における安全な learning-based control のサーベイ - 不確実性・複雑な dynamics・接触時の破損リスクという課題を整理 - 既存手法を safe exploration と safe execution の2領域に分類 - constrained reinforcement learning、risk-sensitive optimization、uncertainty-aware modeling、control barrier functions、model predictive safety shields などを概観 - さらに VLM/VLA などの robotic foundation models への安全原理の拡張と相互作用を議論 - 限界と今後の方向性を示す

- 従来の learning-based control の進展を踏まえ、安全性を exploration と execution の両面から体系的に整理 - 個別技術の羅列ではなく、prior knowledge・task structure・online adaptation による安全性と効率のバランスに着目 - 特に VLM/VLA ベースの foundation models への安全原理の拡張を重点的に扱う点が特徴 - 言語レベルの制約記述や安全信号の multimodal grounding といった新たな機会と、増幅されるリスク・評価課題の両面を議論 - 具体的な先行研究との個別比較の詳細は要旨からは不明

- サーベイとして既存手法を safe exploration と safe execution に分類する枠組みが肝 - safe exploration 側では constrained reinforcement learning、risk-sensitive optimization、uncertainty-aware modeling などを整理 - safe execution 側では control barrier functions、model predictive safety shields などを整理 - 各手法が prior knowledge、task structure、online adaptation をどう取り込み安全と効率を両立するかを分析 - VLM/VLA による知覚・言語・制御の統合と、それに伴う安全機会・リスクの分析 - 個々のアルゴリズムの詳細な定式化は要旨からは不明

- 本稿はサーベイであり、新規手法の実験的検証は要旨からは不明 - 有効性の検証は既存研究のレビューと分類、機会・リスク・評価課題の整理を通じて行う位置づけ - VLM/VLA 由来の安全性評価の難しさも議論対象として挙げられている - 具体的なベンチマークや実験結果は要旨からは不明

- 接触を伴うタスクでは exploration 中も execution 中も安全性確保が実展開のボトルネック - VLM/VLA は言語による制約指定や multimodal な安全信号の grounding など新たな安全機会を与える - 一方で foundation models は増幅されたリスクと評価上の課題をもたらす - 現状の限界と、複雑な contact-rich 環境で信頼でき安全整合な foundation-model-enabled robots に向けた将来方向を提示 - 個別の議論の詳細や定量的知見は要旨からは不明

- 要旨で参照されている constrained reinforcement learning、risk-sensitive optimization、uncertainty-aware modeling、control barrier functions、model predictive safety shields の各文献 - VLM および VLA に関する文献 - robotic foundation models の安全性に関する研究 - プロジェクトページ https://github.com/jack-sherman01/Awesome-Learning4Safe-Contact-rich-tasks に掲載の文献リスト - 個別の論文名は要旨からは不明