注意精化鸿沟：安全的高层机器人计划何时会产生不安全的执行

arXiv:2610.02662v1 公告类型：新 摘要：语言驱动的机器人系统日益将语义图规划与时序逻辑安全监视器相结合。我们研究了此类系统中的一个轨迹完备性假设：监视器检查的高层动作序列，是否能够代表执行过程中产生的导航过程和隐式动作效果。我们在 RoboGuard 中审查了这一假设，比较了在相同线性时序逻辑（LTL）规范下，其对表层计划和经图精化轨迹所作出的判定。我们的评估包括 28 个受控案例，涵盖五类动作抽象方式；还包括 14 个端到端案例，在这些案例中，SPINE [1] 根据自然语言指令生成计划，而 RoboGuard 生成基于场景的安全规范。在受控评估中，全部 12 个目标抽象案例均表现出预期的表层计划与精化轨迹之间的差异，而全部 16 个对照案例的表现均符合预期。这表明，基于图的轨迹精化可作为物理 AI 安全监视器的一种轻量级缓解措施和诊断工具。