論文の概要: The Liabilities of Robots.txt

• arxiv url: http://arxiv.org/abs/2503.06035v2
• Date: Wed, 27 Aug 2025 09:19:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 14:51:02.937575
• Title: The Liabilities of Robots.txt
• Title（参考訳）: ロボットの能力.txt
• Authors: Chien-yi Chang, Xin He,
• Abstract要約: 我々は,シビル・ドクトリンがWebロボットの動作を制御するための,よりバランスよく持続可能な枠組みを提供すると主張している。 我々は「robots.txt」違反の責任を明確にすることがインターネットの断片化の増大に不可欠であると主張している。
• 参考スコア（独自算出の注目度）: 9.246300945280142
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper explores the legal implications of violating "robots.txt", a technical standard widely used by webmasters to communicate restrictions on automated access to website content. Although historically regarded as a voluntary guideline, the rise of generative AI and large-scale web scraping has amplified the consequences of disregarding "robots.txt" directives. While previous legal discourse has largely focused on criminal or copyright-based remedies, we argue that civil doctrines, particularly in contract and tort law, offer a more balanced and sustainable framework for regulating web robot behavior in common law jurisdictions. Under certain conditions, "robots.txt" can give rise to a unilateral contract or serve as a form of notice sufficient to establish tortious liability, including trespass to chattels and negligence. Ultimately, we argue that clarifying liability for "robots.txt" violations is essential to addressing the growing fragmentation of the internet. By restoring balance and accountability in the digital ecosystem, our proposed framework helps preserve the internet's open and cooperative foundations. Through this lens, "robots.txt" can remain an equitable and effective tool for digital governance in the age of AI.
• Abstract（参考訳）: 本稿では、WebマスターがWebコンテンツへの自動アクセスの制限を伝えるために広く使われている技術標準である「robots.txt」に違反する法的意味を考察する。 歴史的に自主的なガイドラインとみなされてきたが、生成的AIの台頭と大規模なWebスクレイピングは、"robots.txt"指令を無視した結果を増幅している。 これまでの法的言説は、主に犯罪や著作権に基づく救済に焦点が当てられていたが、民間の教義、特に契約法やトルト法は、一般的な法域におけるウェブロボットの動作を規制するための、よりバランスよく持続可能な枠組みを提供する、と我々は主張する。 特定の条件下では、"robots.txt"は一方的な契約を生じさせるか、チャットテルへのトレスパスや無視など、厳格な負債を確立するのに十分な通知の形式として機能する。 最終的に、インターネットの断片化に対処するためには、「robots.txt」違反の責任を明確にすることが不可欠であると主張する。 デジタルエコシステムにおけるバランスと説明責任を回復させることで、我々の提案するフレームワークは、インターネットのオープンかつ協調的な基盤を維持するのに役立ちます。 このレンズを通して、"robots.txt"は、AIの時代におけるデジタルガバナンスの平等かつ効果的なツールであり続けることができる。

関連論文リスト

• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Scrapers selectively respect robots.txt directives: evidence from a large-scale empirical study [4.68008217188575]
  本機関の匿名Webログを用いて,ロボットによるWebスクレイパーコンプライアンスに関する大規模な研究を行った。 ボットはより厳格なロボット.txtディレクティブに従わない傾向にあり、AIサーチクローラーを含む特定のカテゴリのボットは、ロボット.txtを全くチェックしない。 これらの結果は、望ましくないスクラップを防ぐためにロボット.txtに頼ることは危険であり、代替アプローチの必要性を強調していることを示唆している。
  論文  参考訳（メタデータ） (2025-05-27T20:22:45Z)
• ai.txt: A Domain-Specific Language for Guiding AI Interactions with the Internet [44.29685364907017]
  AIモデル、エージェント、Webコンテンツ間のインタラクションを制御するために設計されたドメイン固有言語であるai.txtを紹介します。 我々のアプローチは、デジタルエコシステムにおけるAIとインターネットの相互作用のガバナンスを支援し、責任あるAI利用を促進することを目的としています。
  論文  参考訳（メタデータ） (2025-05-02T00:33:00Z)
• Generating Robot Constitutions & Benchmarks for Semantic Safety [22.889717765617394]
  ロボット脳のセマンティック安全性を評価するためのASIMOVベンチマークをリリースする。 実世界のデータからロボットの構成を自動的に生成するフレームワークを開発した。 動作規則書にニュアンスを導入可能な,新しい自動改善プロセスを提案する。
  論文  参考訳（メタデータ） (2025-03-11T17:50:47Z)
• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Consent in Crisis: The Rapid Decline of the AI Data Commons [74.68176012363253]
  汎用人工知能(AI)システムは、大量の公開Webデータに基づいて構築されている。 我々は,AIトレーニングコーパスに基づくWebドメインに対する同意プロトコルの大規模かつ長期的監査を行う。
  論文  参考訳（メタデータ） (2024-07-20T16:50:18Z)
• Robotic Control via Embodied Chain-of-Thought Reasoning [86.6680905262442]
  学習したロボット制御ポリシーの鍵となる制限は、トレーニングデータの外部で一般化できないことである。 視覚言語行動モデル(VLA)に関する最近の研究は、大規模なインターネット事前学習型視覚言語モデルを使用することで、その堅牢性と一般化能力を大幅に向上させることができることを示した。 ロボットの動作を予測する前に、VLAに対して、計画、サブタスク、動作、視覚的接地機能について複数の推論を行うために、VLAに対してEmbodied Chain-of-Thought Reasoning (ECoT)を導入する。
  論文  参考訳（メタデータ） (2024-07-11T17:31:01Z)
• LLM Granularity for On-the-Fly Robot Control [3.5015824313818578]
  視覚が信頼できない、あるいは利用できない状況では、ロボットを制御するための言語のみに頼ることができるのか? 本研究は,(1)様々な粒度の言語プロンプトに対する補助ロボットの応答を評価し,(2)ロボットのオンザフライ制御の必要性と実現可能性を探る。
  論文  参考訳（メタデータ） (2024-06-20T18:17:48Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• 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)
• Federated Continual Learning for Socially Aware Robotics [4.224305864052757]
  ソーシャルロボットは、新しいユーザーに対して行動に適応せず、十分なプライバシー保護を提供していない。 本稿では,ソーシャルロボットのプライバシとパーソナライゼーションを改善する分散型学習手法を提案する。 分散学習は,概念実証型社会意識ナビゲーションドメインにおいて,集中学習の代替として実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-14T15:54:51Z)
• A New Paradigm of Threats in Robotics Behaviors [4.873362301533825]
  我々は、次世代ロボットにおけるセキュリティの脅威の新しいパラダイムを特定する。 これらの脅威は、既知のハードウェアやネットワークベースの脅威を超えます。 これらの脆弱性を現実的な例で悪用する攻撃の分類を提供する。
  論文  参考訳（メタデータ） (2021-03-24T15:33:49Z)
• 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)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。