**ShieldVLA：面向视觉-语言-动作模型的可行性感知安全对齐**

_ShieldVLA: Feasibility-Aware Safety Alignment for Vision-Language-Action Models_

> ShieldVLA 提出一种基于 Hamilton-Jacobi（HJ）可达性的安全对齐微调框架，用于视觉-语言-动作（VLA）模型。它直接从视觉观测学习无模型 HJ 可达性价值函数近似，估计安全操作区域，并用学到的安全评论器门控策略优化：在可行区域内最大化奖励，在危险状态附近转向恢复，从而避免持续的奖励-成本权衡。为支持视觉环境下的可扩展监督，方法引入基于评分标准的 VLM 安全分数，将语义安全反馈转为结构化评论器目标，无需人工成本标注。在覆盖多个 VLA 主干的五个导航与操作基准上，ShieldVLA 平均降低 57% 累积安全成本，任务成功率较 SafeVLA 提升 0.13。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.13231)