# LBS框架解耦行为与路径安全，提升生成式规划到达率

> 原文链接：https://robotics.hellobike.com/papers/2026-11-11-2611-13227-af014a39
> 频道：papers | 更新日期：2026-11-11 | 标签：auto, arxiv
> 核心摘要：针对流匹配生成式规划的安全瓶颈，提出Latent Barrier Steering分层框架。通过潜空间引导增大安全裕度，结合路径空间CBF-QP修正残差，在导航与机械臂任务中实现有限时间恢复保证，显著提升目标到达率并降低修正负担。

# LBS框架解耦行为与路径安全，提升生成式规划到达率

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Latent Barrier Steering: Hierarchical Safety for Generative Planning](https://arxiv.org/abs/2611.13227)（arXiv 2611.13227）

## 核心内容

针对现有扩散或流匹配规划器中控制障碍函数（CBF）仅能局部修复样本、难以应对全局模式约束失效的问题，研究提出Latent Barrier Steering（LBS）分层语义到路径安全框架。该方法将行为选择与路径认证解耦，首先在潜空间引导生成器向高安全裕度轨迹演化，随后对解码路径施加CBF二次规划（QP）处理残余违规。实验表明，LBS在保留安全性的同时，相比纯路径级滤波器显著提高了目标到达成功率。

技术核心在于利用潜空间转向增加路径空间校正器的可用裕度，从而提供有限时间恢复保证并减少实时修正计算量。系统架构包含协同干预机制：先调整行为潜变量以规避模式级阻塞，再在物理路径空间执行精细化安全过滤。该方案已在机器人导航及末端执行器规划任务中验证，证实了其在复杂约束下平衡生成质量与安全合规的有效性，解决了传统方法在新约束阻断整体行为模式时的失效难题。

## 关键看点

- **分层解耦机制**：将行为选择与路径认证分离，先引导潜变量增大安全裕度，再对解码路径应用CBF-QP修正残差
- **理论安全保证**：通过潜空间转向扩展校正器可用裕度，为生成式规划提供有限时间恢复保证，解决模式级约束失效
- **性能实测验证**：在导航与机械臂末端规划任务中，相比传统路径级安全滤波器，LBS在保障安全前提下提升目标到达率

## 工程与产业观察

LBS为具身智能生成式规划提供了从“事后修补”转向“事前引导”的工程范式。通过潜空间与路径空间的分层协同，有效缓解了安全约束与生成多样性的冲突，对高动态环境下机器人端到端策略的安全部署具有直接参考价值，尤其适用于需兼顾长程语义理解与瞬时避障的复杂操作场景。

## 英文摘要 (Abstract)

We introduce Latent Barrier Steering (LBS), a hierarchical semantic-to-path framework for safe flow-matching-based generative planning. Existing control-barrier-function (CBF) safety filters for diffusion and flow-matching planners act locally on generated samples, either during sampling or after prediction. Such repair is effective for small violations, but can struggle when a new constraint blocks the whole selected behavior mode rather than merely perturbing it locally. LBS decouples behavior selection from path certification through two coordinated interventions: it first steers the generator's behavior latent toward rollouts with larger safety margin, then decodes the steered latent and applies a path-space CBF quadratic program (QP) only for residual violations. We show that latent steering increases the margin available to the path-space corrector, yielding finite-time recovery guarantees and reduced correction burden. Experiments across navigation and robot end-effector planning tasks show that LBS preserves safety while improving goal reaching and reducing correction burden compared with path-level safety filters.

作者：Renhao Zhang, Mingzhe Li, Bruno Castro da Silva
:::

## 原始参考来源 (Sources)

- [arXiv 2611.13227：Latent Barrier Steering: Hierarchical Safety for Generative Planning](https://arxiv.org/abs/2611.13227)