論文の概要: Property-Guided Cyber-Physical Reduction and Surrogation for Safety Analysis in Robotic Vehicles
- arxiv url: http://arxiv.org/abs/2512.02270v1
- Date: Mon, 01 Dec 2025 23:27:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.647323
- Title: Property-Guided Cyber-Physical Reduction and Surrogation for Safety Analysis in Robotic Vehicles
- Title（参考訳）: ロボット車両の安全性解析のための特性誘導型サイバー物理低減とサロゲーション
- Authors: Nazmus Shakib Sayom, Luis Garcia,
- Abstract要約: 本稿では,ロボット車両システムにおける安全性特性のファルシフィケーション手法を提案する。
与えられた仕様に関連する制御論理と物理力学のみを分離することにより、軽量なサロゲートモデルを構築する。
これにより、トレース分析と時間論理託によるスケーラブルなファルシフィケーションが可能になる。
- 参考スコア（独自算出の注目度）: 1.9234504183934984
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a methodology for falsifying safety properties in robotic vehicle systems through property-guided reduction and surrogate execution. By isolating only the control logic and physical dynamics relevant to a given specification, we construct lightweight surrogate models that preserve property-relevant behaviors while eliminating unrelated system complexity. This enables scalable falsification via trace analysis and temporal logic oracles. We demonstrate the approach on a drone control system containing a known safety flaw. The surrogate replicates failure conditions at a fraction of the simulation cost, and a property-guided fuzzer efficiently discovers semantic violations. Our results suggest that controller reduction, when coupled with logic-aware test generation, provides a practical and scalable path toward semantic verification of cyber-physical systems.
- Abstract（参考訳）: 本稿では,ロボット車両システムの安全性特性を,資産誘導型減量とサロゲート実行によりファルシフィケーションする手法を提案する。
特定の仕様に関連する制御論理と物理力学のみを分離することにより、無関係なシステムの複雑さを排除しつつ、特性関連挙動を保存する軽量なサロゲートモデルを構築する。
これにより、トレース分析と時間論理託によるスケーラブルなファルシフィケーションが可能になる。
我々は、既知の安全欠陥を含むドローン制御システムに対するアプローチを実証する。
シュロゲートはシミュレーションコストのごく一部で故障条件を再現し、プロパティ誘導ファザはセマンティック違反を効率的に発見する。
以上の結果から,制御器のリダクションと論理認識テスト生成が組み合わさって,サイバー物理システムのセマンティック検証に向けた実践的かつスケーラブルな方法が示唆された。
関連論文リスト
- RampoNN: A Reachability-Guided System Falsification for Efficient Cyber-Kinetic Vulnerability Detection [14.27131713856758]
本稿では、制御コード、物理システムモデル、安全な動作の信号時間論理(STL)仕様が与えられた場合の動作上の脆弱性を識別する新しいフレームワークであるRampoNNを紹介する。
その結果、RampoNNは他の最先端の手法に比べて98.27%の速度で動作上の脆弱性を発見するプロセスが加速され、スケーラビリティが向上することが示されている。
論文 参考訳（メタデータ） (2025-11-20T19:32:00Z) - D4+: Emergent Adversarial Driving Maneuvers with Approximate Functional Optimization [3.763470738887407]
我々は、自動運転車と相互作用する悪意のあるドライバーの影響を特定するために、形式的な手法でシナリオベースのフレームワークを実装した。
われわれの結果は、悪質なドライバーが現代の車両の自律的機能を利用するのを防ぐ安全な運転行動の範囲をデザイナーが特定するのに役立つ。
論文 参考訳（メタデータ） (2025-05-20T05:22:03Z) - Designing Control Barrier Function via Probabilistic Enumeration for Safe Reinforcement Learning Navigation [55.02966123945644]
本稿では,ニューラルネットワーク検証技術を利用して制御障壁関数(CBF)とポリシー修正機構の設計を行う階層型制御フレームワークを提案する。
提案手法は,安全なCBFベースの制御層を構築するために使用される,安全でない操作領域を特定するための確率的列挙に依存する。
これらの実験は、効率的なナビゲーション動作を維持しながら、安全でない動作を補正する提案手法の能力を実証するものである。
論文 参考訳（メタデータ） (2025-04-30T13:47:25Z) - Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。
このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。
本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文 参考訳（メタデータ） (2024-02-07T21:58:40Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - Investigating Robustness in Cyber-Physical Systems: Specification-Centric Analysis in the face of System Deviations [8.8690305802668]
サイバー物理システム(CPS)の重要属性は堅牢性であり、安全に運用する能力を示している。
本稿では,特定のシステム要件を満たす上でのコントローラの有効性を特徴付ける,仕様に基づく新しいロバスト性を提案する。
本稿では, 微妙な堅牢性違反を識別するための2層シミュレーションに基づく解析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-13T16:44:43Z) - Event-Triggered Islanding in Inverter-Based Grids [2.318444700742163]
この研究は、グリッドを自律島に分割できる適応的な隔離手法を提案する。
適応的な分離ロジックは、偽陽性を防止し、検出精度を高め、計算オーバーヘッドを低減するためにイベントトリガーされる。
シミュレーションの結果,提案手法は,22m秒以内で100%精度で異常な動作を検出する。
論文 参考訳（メタデータ） (2023-06-27T13:18:04Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。