日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

安全性評価arXiv:2607.14543

SafeRelBench: VLM駆動身体化エージェントのプロセス安全性を評価する空間関係認識ベンチマーク

SafeRelBench: A Spatial-Relation-Aware Benchmark for Process-Level Safety in VLM-Driven Embodied Agents

シェア:XThreadsFacebookLINEはてブBluesky

VLM駆動の身体化エージェントの安全性を、物体の空間関係(支持・包含・近接)に着目して評価するベンチマークを提案し、タスク成功とプロセス安全性の乖離を明らかにした。

詳しい要約

1. どんなもの?

SAFERELBENCHは、VLM駆動の具現化エージェントにおけるプロセスレベルの安全性を評価するためのベンチマークである。家庭環境でのタスク実行中に、空間関係(support, containment, proximity)によって引き起こされる安全違反を検出することに焦点を当てている。507の実行可能な評価サンプル(248の空間関係サンプルと259の非空間制御サンプル)で構成される。

2. 先行研究と比べてどこがすごい?

既存の安全性評価は、静的なリスク認識、安全でない指示の拒否、または最終状態のタスク完了に焦点を当てており、プロセスレベルの安全性、特に空間関係によるリスクを考慮していない。SAFERELBENCHは、リスクを伴う行動の前に安全条件を満たすかどうかを明示的にテストし、空間関係を安全性評価の中心的な次元として導入する点で優れている。

3. 技術・手法の肝は?

手法の肝は、空間関係(support, containment, proximity)に基づく安全条件を定義し、エージェントがリスクを伴う行動を実行する前にこれらの条件を満たすかどうかを評価する点にある。ベンチマークは、空間関係サンプルと非空間制御サンプルを含む実行可能な評価サンプルを提供し、タスク成功とプロセスレベルの安全性コンプライアンスのギャップを測定する。

4. どうやって有効だと検証した?

7つのオープンソースおよびクローズドソースのVLM駆動具現化エージェントを評価し、タスク成功とプロセスレベルの安全性コンプライアンスの間に大きなギャップがあることを発見した。モデルが要求されたタスクを完了しながらも、プロセスレベルの安全制約に違反することが多いことを示した。

5. 議論はある?

結果は、安全な具現化知能には、より強力な知覚と計画だけでなく、オブジェクト関係が相互作用中のリスクをどのように形成するかについての信頼性の高い推論が必要であることを示している。しかし、要旨からは、ベンチマークの限界や特定のエージェントの性能差の原因など、詳細な議論は不明である。

6. 次に読むべき論文は?

要旨で参照されている先行研究は明示されていないが、関連する分野として、VLM駆動の具現化エージェントの安全性評価に関する研究や、空間関係推論に関する研究が挙げられる。具体的には、RoboVQAやSafetyBenchなどの関連ベンチマークが考えられるが、要旨からは不明である。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Huaigang Yang, Ya Li, Min Ren, Bo Dai, Zhenliang Zhang, Zhaofeng He

分類: cs.RO, cs.AI

原文アブストラクト

Vision-language models (VLMs) are increasingly used as the reasoning backbone of embodied agents, enabling robots to interpret visual scenes, follow language instructions, and plan multi-step actions. In household environments, however, safety depends not only on recognizing objects, but also on how actions change the physical scene over time. Existing embodied safety evaluations largely focus on static risk recognition, unsafe instruction refusal, or final-state task completion. As a result, process-level safety failures induced by spatial relations such as support, containment, and proximity remain insufficiently studied. To address this gap, we introduce SAFERELBENCH, a spatial-relation-aware safety benchmark with 507 executable evaluation samples, including 248 spatial-relation samples and 259 non-spatial control samples. Using SAFERELBENCH to evaluate seven open- and closed-source VLM-driven embodied agents, we find a substantial gap between task success and process-level safety compliance: models often complete the requested task while violating process-level safety constraints. Unlike prior benchmarks, SAFERELBENCH explicitly tests whether agents satisfy safety conditions before risk-prone actions, making spatial relations a core dimension in embodied safety assessment. More broadly, our results show that safe embodied intelligence requires not only stronger perception and planning, but also reliable reasoning about how object relations shape risk during interaction.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI