WBAG: 視覚言語行動マニピュレーションのための全身・把持物体ジオメトリ安全フレームワーク

- Vision-Language-Action (VLA) ポリシーの実世界展開における衝突回避を目的とした安全フレームワーク WBAG を提案。 - ロボットの whole-body と把持依存の attached geometry をモデル化する。 - 把持条件付き安全集合を構築し、微分可能な CBF 制約に変換する。 - VLA の native 6次元 operational-space action を最小限修正して衝突回避を実現。

- 既存の inference-time VLA 安全フレームワークは simplified end-effector-centered 表現に依存。 - それらは full articulated robot や attached-object geometry を明示的にモデル化しない。 - WBAG は whole-body と grasp-dependent attached geometry を明示的に扱う点で異なる。 - 把持に応じて保護形状を適応させる grasp-conditioned safe set を構築する。

- 把持条件付き安全集合を構築し、物体把持に応じて保護形状を適応。 - その進化する形状を微分可能な CBF 制約に変換。 - 制約は VLA の native 6次元 operational-space action を最小限修正。 - ロボット、シーン、attached geometry 全体の衝突回避を統合的に扱う。

- SafeLIBERO ベンチマークで評価。 - SafeLIBERO は LIBERO に障害物を追加した安全評価用変種。 - scene-level safety evaluator が全 eligible non-task objects を監視。 - 評価手法中で最高の総合安全性と safe task success を達成。 - 97.38% aggregate Scene Safety、59.38% Safe Success を記録。

- 要旨からは不明。 - 限界や失敗事例、計算コスト、一般化性に関する議論は記述されていない。

- SafeLIBERO ベンチマーク（LIBERO の安全評価変種）。 - VLA ポリシー（Vision-Language-Action policies）。 - CBF (Control Barrier Function) を用いた安全制約。 - inference-time VLA safety frameworks。 - これらは要旨で参照・比較されている。