内容摘要
动作捕捉或动作生成器给出参考轨迹，强化学习（RL）跟踪策略转成关节指令；运行时安全滤波器（如控制屏障函数 CBF，把安全约束写成对控制输入的不等式）修正跟踪器输出，应对训练时没有出现的障碍。这两层常被当成可独立设计的组件：滤波改变了实际执行的动作和状态分布，而跟踪策略是在无滤波闭环下训练的。
作者把接口不匹配拆成三类：动力学不匹配、目标不匹配（手留在障碍外会产生跟踪误差，反而鼓励策略继续前伸）、信息不匹配（约束生效前策略看不到约束）。据此提出 CoFiT（约束滤波感知微调）：在滤波器全程开启的状态下微调预训练跟踪器，输入动作空间的约束信息与修正历史反馈，并加入修正量、原始条件违反、松弛量三项惩罚。
仿真中相对只做滤波微调的基线，违规时间在 TWIST2 上降 91%、SONIC 上降 21%。真机上用 Unitree G1 做伸手够篮球的受限任务（滤波器 50 Hz 运行），TWIST2 上违规时间相对继续无滤波训练降低 83%；基线十次里有五次需要操作员急停，CoFiT 十次全部无急停完成。
代价是精度：换用 SONIC 跟踪器后，违规时间只从 7.64% 降到 5.24%，世界坐标跟踪误差却从 5.45 cm 升到 12.17 cm。
点评
对做机器人本体控制软件的工程师，这是一条"只改跟踪器、不改滤波器"的改造路径：现有安全滤波器继续承担训练后才出现的约束，跟踪策略通过一次带滤波器的微调学会主动少让滤波器动手，真机上把需要急停的次数从五次降为零次、违规时间降低 83%；代价是跟踪精度下降，需按场景取舍。
论文明确不提供无条件安全保证（零阶保持、模型不确定性与二次规划松弛仍可能在执行中造成违规），范围也限定为局部干扰，不涉及让跟踪器绕开完全阻挡的障碍重新规划；真机每个条件只有十次重复，其中 SONIC-CoFiT 有一次日志失效被排除在连续指标统计外。证据范围限于该 arXiv v1 全文快照，摘要页与引用目录属可滚动更新页，后续修订可能改动结论。
版本与核查范围
版本 2610.02341v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p4.1；#S4.SS2.p1.1；#S4.SS3.p1.1；#S1.I1.i2.p1.1；#S5.p1.1；#S5.SS3.p1.1；#S6.SS2.p3.1；#S6.SS3.p1.1；#S6.SS3.p2.1；#S6.SS3.p3.1；#S3.SS2.p4.1