基于流匹配 (FM) 的生成规划器可以在一两个 ODE 步中生成高质量路径，但其采样动态特性无法提供正式的安全保证，并且可能在约束附近生成不完整的路径。在本文中，我们提出了 SafeFlowMatcher，这是一个结合了 FM 和控制屏障函数 (CBF) 的规划框架，可实现实时效率和经过认证的安全性。SafeFlowMatcher 使用两步预测-校正 (PC) 积分器。(i) 预测步骤对学习到的 FM 进行一次（或几步）积分，以获得无需干预的候选路径。(ii) 校正步骤使用消失时间尺度矢量场和基于 CBF 的二次规划方法来细化这些路径，该方法对矢量场的扰动最小。我们证明了所得流系统的屏障证书，建立了鲁棒安全集的前向不变性和到安全集的有限时间收敛。 SafeFlowMatcher 避免了分布漂移，并通过仅在已执行路径（而非所有中间潜在路径）上强制执行安全性来缓解局部陷阱问题。在迷宫导航和运动基准测试中，SafeFlowMatcher 比基于扩散和 FM 的基线实现了更快、更平滑、更安全的路径。大量的移除实验支持了 PC 积分器和屏障证书的贡献。
