人形机器人由于本身体型维度高、碰撞约束数量多，而且必须在人群和障碍物附近作业，因此要实现安全部署相当困难。安全过滤器的作用在于：当名义控制动作可能违反避障约束时，对动作进行修改，从而降低风险。不过，仅凭名义基准测试中的得分，并不能完整反映这些过滤器在更复杂环境中的真实表现。为此，本文通过复现与压力测试，系统研究了SPARK人形机器人安全过滤器的鲁棒性。
该论文由Saurav Ghosh等三位作者完成，于2026年5月18日提交至arXiv，属于机器人学（cs.RO）方向，同时涉及系统与控制（eess.SY）领域。全文共5页，包含7幅图和1张表，作者还公开了配套代码。研究工作围绕SPARK基准中的G1SportMode_D1_WG_SO_v1案例展开，作者在MuJoCo物理仿真环境中对该案例进行了复现，并在受控的随机种子条件下评测了RSSA、RSSS、SSA、CBF、PFM和SMA六种安全过滤方法。
为了便于横向比较，作者还构建了一套后处理流程，将SPARK输出的原始日志转换为三类指标：目标跟踪程度、最小距离以及碰撞步数。这些指标从不同角度刻画了安全过滤器在避障任务中的行为特征。实验结果显示，不同方法之间存在明显的取舍：部分方法能够更紧密地跟踪目标，而另一些方法则在减少碰撞步数方面表现更好。换言之，单一指标难以全面评价过滤器的优劣，需要结合多个维度来判断。
更值得关注的是压力测试的结果。作者针对障碍物密集、距离估计存在噪声以及障碍物信息延迟等情形进行了测试，发现安全行为在这些条件下可能发生改变。这说明在常规基准中表现稳定的过滤器，未必能在更困难、更接近真实部署的场景中维持同样的安全水平。对于必须在人类周围工作的人形机器人而言，这类失效模式尤其关键。
论文由此得出结论：人形机器人自主性的评估不应局限于名义性能，而应引入能够暴露失败模式的指标，在真正部署之前识别潜在风险。作者建议以复现加压力测试的方式审视安全过滤器的鲁棒性，这一思路为后续的安全评测与基准设计提供了参考。