日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2607.03758

解空間の遮蔽:トレランス対応マニピュレーションに対するプランナ非依存の敵対的攻撃

Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation

シェア:XThreadsFacebookLINEはてブBluesky

プランナに依存せず、タスクレベルの実現可能性に基づいて敵対的障害物を配置し、マニピュレーションの計画失敗を誘発する攻撃フレームワークを提案した。

詳しい要約

1. どんなもの?

本論文は、ロボットマニピュレーションのモーションプランニングに対する敵対的攻撃(adversarial attacks)を扱う。既存手法が正確な姿勢目標とプランナーをループ内に必要とするのに対し、提案手法はプランナー非依存(planner-agnostic)で、許容誤差を考慮した操作(tolerance-aware manipulation)のタスクレベル実現可能性に焦点を当てる。攻撃は、オフラインでロボットの運動学的占有ヒートマップ(kinematic occupancy heatmap)を構築し、オンラインで予算制約付き最大被覆最適化(budgeted maximum-coverage optimization)により障害物を戦略的に配置し、解空間を遮蔽する。シミュレーションと実世界実験で、プランナーインザループのベースラインより効率的かつ効果的にプランニング失敗を誘発することを示す。

2. 先行研究と比べてどこがすごい?

既存の敵対的攻撃は、正確な姿勢目標を前提とし、プランナーを繰り返し呼び出す(planner-in-the-loop)ため、計算コストが高く、特定のプランナーに依存する。提案手法は、プランナーに依存せず、目標領域(goal regions)に対するタスクレベルの実現可能性を評価する。さらに、オフラインでロボットの作業空間能力をヒートマップとして特徴付け、オンライン攻撃を最適化問題として定式化することで、プランナーへのオラクルアクセスを不要にし、計算効率と攻撃成功率を大幅に向上させる。

3. 技術・手法の肝は?

手法の核心は、オフラインとオンラインの2段階構成。オフラインでは、特定のプランナーを呼び出さずに、ロボットの運動学的占有ヒートマップを構築する。これは、実行可能な軌道の密度とロバストネス事前分布を符号化する。オンラインでは、攻撃を予算制約付き最大被覆最適化問題として定式化し、幾何学的制約を明示的に考慮しながら障害物を配置し、解空間を遮蔽する。これにより、プランナーへの問い合わせなしに攻撃が可能となる。

4. どうやって有効だと検証した?

シミュレーションと実世界の両方で広範な実験を実施。プランナーインザループのベースラインと比較し、提案手法がプランニング失敗を確実に誘発し、計算効率と攻撃効果の両方で有意に優れていることを示した。具体的な数値や環境の詳細は要旨からは不明。

5. 議論はある?

要旨からは、攻撃の一般化可能性や防御策への示唆、ヒートマップの解像度や予算設定の影響などについての議論は不明。また、実世界実験の範囲や、提案手法が想定するプランナーの種類(サンプリングベースか最適化ベースか)についても要旨からは不明。

6. 次に読むべき論文は?

要旨で参照されている既存の敵対的攻撃手法(planner-in-the-loop攻撃)や、tolerance-aware manipulationの関連研究。具体的には、モーションプランニングのロバスト性評価や、敵対的障害物配置に関する研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Keke Tang, Tianyu Hao, Weilong Peng, Hao Jiang, Feng Wu, Peican Zhu, Jianmin Ji, Zhihong Tian

分類: cs.RO, cs.CR

原文アブストラクト

Adversarial attacks on motion planning are crucial for evaluating and quantifying the intrinsic robustness of robotic manipulation. However, existing approaches are typically limited by restrictive exact-pose objectives and their reliance on planner-in-the-loop queries. To address these limitations, we propose a planner-agnostic attack framework for tolerance-aware manipulation. Our approach shifts the evaluation paradigm to task-level feasibility over goal regions, efficiently inserting adversarial obstacles without requiring oracle access to the victim system. Offline, we characterize the robot's intrinsic workspace capabilities via a kinematic occupancy heatmap, which encodes the density of feasible trajectories and robustness priors without invoking a specific planner. Online, we formulate the attack as a budgeted maximum-coverage optimization, strategically deploying obstacles subject to explicit geometric constraints to occlude the solution space. Extensive experiments across simulation and real-world scenarios demonstrate that our method reliably induces planning failures, significantly outperforming planner-in-the-loop baselines in both computational efficiency and attack efficacy.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI