PPR-2504.08661 Paper

定位

Dai 等（arXiv 2025）提出的运动规划框架 SafeFlow。问题设定：扩散与 flow matching（FM）类生成式规划能捕捉复杂多模态轨迹分布，但通常在离线数据上训练、面对带约束的新环境时缺乏显式的部署期安全机制。SafeFlow 把 flow matching 与安全保证结合：提出 flow matching barrier functions（FMBF），保证规划出的轨迹在整个规划时域内都留在安全区域内。关键性质是测试时可免训练、实时施加安全约束，无需为满足新约束而重训模型。论文在平面机器人导航与 7-DoF 操作等任务上评估，报告在安全性与规划性能上优于当时的生成式规划器。

方法（机制要点）

• FMBF（flow matching barrier functions）：把控制障碍函数（CBF）的“整条时域保持安全”语义嫁接到 flow matching 的生成过程上。
• 训练-free 安全施加：安全约束在测试时施加，不重训模型。
• flow matching 骨架：与扩散同属“噪声→数据”生成，差异在 ODE 框架（SYN-003 派生观察：扩散 vs flow matching 是谱系内差异）。

与 G2DP 的关系

G2DP（PPR-2606.26017）related work 把 SafeFlow 与 CoBL-Diffusion 同归为“用控制障碍函数强制安全”的一类。SYN-003 支 3（安全硬约束支）把这一支定位为 G2DP“稠密 vs 稀疏引导模态”论证的稀疏确定性原语对照面：CBF 类引导是稀疏的、梯度远离障碍即消失，滤掉空间不确定性；G2DP 的稠密概率占据场引导正是为补这一点。与 CoBL-Diffusion（PPR-2406.05309）同支，且与 FlowPlanner（PPR-2510.11083）同属 flow matching 生成侧。

承重关系

• 谱系锚点：安全硬约束支（CBF 系）的 flow matching 实例；SYN-003 支 3 记其角色，CLM-025 的对照面。
• provenance：v3 tarball sha256 efd12bce…ccdfd66，缓存 cache/sources/2504.08661/。