清华大学&天创&阿里达摩院联合发布具身智能VLSA全新架构

核心技术：AEGIS安全执行守护系统

VLSA的核心是AEGIS（Action Execution Guarded by Invariant Safety），它像一位“永远在线却不抢方向盘”的智能副驾驶，在关键时刻精准干预，确保安全无虞：

利用VLM理解任务指令（如“将传送带上的电机组件搬运至右侧装配工位”），自动推理出哪些物体是潜在威胁（如正在运转的机械臂、临时堆放的托盘、未固定好的线缆或巡检中的AGV小车）；

结合GroundingDINO开放词汇检测器+RGB-D深度图+多视角融合，将文本描述的“危险物”精准定位到3D世界坐标，实现任务对齐的障碍物感知。

▲AEGIS的流程图

想象机器人末端和周围的障碍物都不是复杂的形状，而是被简化成一个个“椭球体”。研究人员用了一种聪明的办法：在两个椭球体之间“插”进一个虚拟的平面，系统实时判断两个椭球会不会撞上这个“隔板”。为了让这个方法更灵活、不那么“保守”，还引入了一个“虚拟辅助状态”来动态调整这个平面的方向，让它能更好地贴合实际情况。最终，整个避障策略被转化成一个凸二次规划问题，在平均0.356 毫秒内完成求解，仅占单步控制周期的 1.86%，几乎零开销！

▲机械臂末端与障碍物椭球

只在必要时微调动作，最大程度保留VLA原有的精细操作意图（如端平水杯、轻柔抓取），避免传统避障算法“为了安全牺牲任务”。

严苛验证：SafeLIBERO安全基准发布

为科学评估安全性能，研究团队在主流具身智能基准LIBERO基础上，构建了首个专注于物理安全的测试集--SafeLIBERO： 

• 新增16个任务×2种干扰等级（贴近干扰/路径阻挡）；

• 引入摩卡壶、酒瓶、书本、收纳盒等日常高风险障碍物；

• 共计1600个随机化测试片段，模拟真实作业场景中的突发碰撞风险。

▲SafeLIBERO测试基准总览

与OpenVLA-OFT和pi_0.5等主流VLA模型相比，AEGIS 模块显著提升了系统的安全性与任务执行能力。

为什么任务成功率反而更高？因为避免了碰撞引发的连锁失败--杯子没打翻、目标没移位、环境未破坏，任务自然更容易完成！

未来，团队将持续拓展 VLSA 在以下方向的能力：

• 动态障碍物（如移动的人、移动的设备）的实时预测与避让

• 六自由度（6-DoF）操作中的旋转安全约束
• 全身协同运动下的多体安全控制

  产学研协同，共筑人机安全新生态

  此次成果由清华大学安全控制技术研究中心、天创机器人、阿里达摩院三方深度协作完成，标志着具身智能安全体系迈入新阶段。

  我们相信：真正的智能，必须是负责任的智能。
  “守护安全，对抗焦虑"是天创机器人不变的使命。

   

  Ref

  论文题目:VLSA: Vision-Language-Action Models with Plug-and-Play Safety Constraint Layer

  论文作者:Songqiao Hu, Zeyi Liu, Shuang Liu，Jun Cen，Zihan Meng，Xiao He

  论文地址:https://arxiv.org/pdf/2512.11891

  项目地址:https://vlsa-aegis.github.io