Fugu-MT 論文翻訳(概要): Reconstructing Robot Operations via Radio-Frequency Side-Channel

論文の概要: Reconstructing Robot Operations via Radio-Frequency Side-Channel

arxiv url: http://arxiv.org/abs/2209.10179v1
Date: Wed, 21 Sep 2022 08:14:51 GMT
ステータス: 処理完了
システム内更新日: 2022-09-22 17:38:54.200613
Title: Reconstructing Robot Operations via Radio-Frequency Side-Channel
Title（参考訳）: 高周波側チャネルによるロボットの動作再建
Authors: Ryan Shah, Mujeeb Ahmed, Shishir Nagaraja
Abstract要約: 近年、サイバードメインからロボット自体を積極的に狙う様々な攻撃が提案されている。本研究では,インサイダーの相手が,無線周波数側チャネルを介してロボットの動きや操作用ウェアハウジングを正確に検出できるかどうかを検討する。
参考スコア（独自算出の注目度）: 1.0742675209112622
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Connected teleoperated robotic systems play a key role in ensuring operational workflows are carried out with high levels of accuracy and low margins of error. In recent years, a variety of attacks have been proposed that actively target the robot itself from the cyber domain. However, little attention has been paid to the capabilities of a passive attacker. In this work, we investigate whether an insider adversary can accurately fingerprint robot movements and operational warehousing workflows via the radio frequency side channel in a stealthy manner. Using an SVM for classification, we found that an adversary can fingerprint individual robot movements with at least 96% accuracy, increasing to near perfect accuracy when reconstructing entire warehousing workflows.
Abstract（参考訳）: 接続された遠隔操作ロボットシステムは、高い精度と低いエラーマージンで運用ワークフローが実行されることを保証する上で重要な役割を果たす。近年、サイバードメインからロボット自身を積極的に標的とする様々な攻撃が提案されている。しかし、受動的攻撃の能力にはほとんど注意が払われていない。本研究では,内部敵が無線周波数側チャネルを介して,正確に指紋ロボットの動きや操作用ウェアハウジングワークフローを行うことができるかどうかをステルス的に検討する。分類にSVMを用いると、敵は少なくとも96%の精度で個々のロボットの動きをフィンガープリントすることができ、ウェアハウジングのワークフロー全体を再構築するとほぼ完全に精度が向上することがわかった。

関連論文リスト

Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [70.93622520400385]
本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。本研究では,ロボット行動の不安定化に空間的基盤を活用する,標的のない位置認識型攻撃目標を提案する。また、カメラの視野内に小さなカラフルなパッチを配置し、デジタル環境と物理環境の両方で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
論文参考訳（メタデータ） (2024-11-18T01:52:20Z)
Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
論文参考訳（メタデータ） (2024-05-02T17:56:55Z)
Fleet-DAgger: Interactive Robot Fleet Learning with Scalable Human Supervision [72.4735163268491]
ロボットの商業的および産業的な展開は、実行中にリモートの人間のテレオペレーターにフォールバックすることが多い。我々は対話型フリートラーニング(Interactive Fleet Learning, IFL)の設定を定式化し、複数のロボットが対話型クエリを行い、複数の人間スーパーバイザーから学習する。 IFLアルゴリズムのファミリーであるFleet-DAggerを提案し、新しいFleet-DAggerアルゴリズムをシミュレーションで4つのベースラインと比較する。
論文参考訳（メタデータ） (2022-06-29T01:23:57Z)
Can You Still See Me?: Reconstructing Robot Operations Over End-to-End Encrypted Channels [5.847084649531299]
コネクテッドロボットは産業4.0において重要な役割を担い、多くの産業において自動化と高い効率を提供する。残念ながら、これらのロボットはこれらの操作に関する機密情報を遠隔の敵に漏らすことができる。受動的敵が全てを指紋化し、再建することは、完全に可能であり、施設の運営方法の理解を確立する。
論文参考訳（メタデータ） (2022-05-17T15:01:32Z)
Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文参考訳（メタデータ） (2022-04-15T08:12:15Z)
REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文参考訳（メタデータ） (2022-02-10T18:50:25Z)
RoboMal: Malware Detection for Robot Network Systems [4.357338639836869]
本稿では,バイナリ実行ファイル上で静的なマルウェア検出を行うRoboMalフレームワークを提案する。このフレームワークは、GRU、CNN、ANNといった広く使われている教師付き学習モデルと比較される。特に、LSTMベースのRoboMalモデルは、10倍のクロスバリデーションで85%の精度と87%の精度で他のモデルより優れている。
論文参考訳（メタデータ） (2022-01-20T22:11:38Z)
Show Me What You Can Do: Capability Calibration on Reachable Workspace for Human-Robot Collaboration [83.4081612443128]
本稿では,REMPを用いた短時間キャリブレーションにより,ロボットが到達できると考える非専門家と地道とのギャップを効果的に埋めることができることを示す。この校正手順は,ユーザ認識の向上だけでなく,人間とロボットのコラボレーションの効率化にも寄与することを示す。
論文参考訳（メタデータ） (2021-03-06T09:14:30Z)
Fault-Aware Robust Control via Adversarial Reinforcement Learning [35.16413579212691]
本稿では, 関節損傷症例に対するロボットの脆弱性を大幅に向上させる, 対向強化学習フレームワークを提案する。我々は,本アルゴリズムを3本指ロボットと4本指ロボットで検証する。我々のアルゴリズムはシミュレーションでのみ訓練でき、微調整なしで実際のロボットに直接展開できる。
論文参考訳（メタデータ） (2020-11-17T16:01:06Z)
Using Conditional Generative Adversarial Networks to Reduce the Effects of Latency in Robotic Telesurgery [0.0]
手術では、どんなマイクロ遅延でも重傷を負い、場合によっては致命傷を負うことがある。現在の外科用ロボットは、腕や道具の位置を測定するために校正されたセンサーを使用している。本研究は、患者の組織に関するツール位置を測定するための、純粋に光学的なアプローチを提案する。
論文参考訳（メタデータ） (2020-10-07T13:40:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。