論文の概要: Search-based Robustness Testing of Laptop Refurbishing Robotic Software

• arxiv url: http://arxiv.org/abs/2605.07530v1
• Date: Fri, 08 May 2026 10:02:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.981624
• Title: Search-based Robustness Testing of Laptop Refurbishing Robotic Software
• Title（参考訳）: ラップトップ改造ロボットソフトウェアの検索によるロバストネステスト
• Authors: Erblin Isaku, Hassan Sartaj, Shaukat Ali, Malaika Din Hashmi, Francois Picard,
• Abstract要約: 本稿では,オブジェクト検出モデルにおける障害を露呈する最小限の局所的摂動を探索ベースで検出するロバストネステスト手法 PROBEを提案する。 その結果, PROBE は乱数探索よりも 3$times$ から 7$times$ であることがわかった。
• 参考スコア（独自算出の注目度）: 2.006815233300537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Danish Technological Institute (DTI) focuses on transferring advanced technologies (including robots) to the industry and the public sector. One key application is laptop refurbishment using specialized robots, aimed at promoting reuse, reducing electronic waste, and supporting the European Circular Economy Action Plan. The software of such robots often includes features that use object detection models to detect objects for various purposes, such as identifying screws for laptop disassembly or detecting stickers to remove them. Ensuring the robustness of such models to small input variations remains a critical challenge, and addressing it is important to avoid potential damage to laptops during refurbishment. In this paper, we propose PROBE, a search-based robustness testing approach that leverages multi-objective optimization to identify minimal, localized perturbations that expose failures in object detection models used in the software of laptop refurbishing robots. PROBE employs NSGA-II to systematically explore the perturbation space, optimizing for failure induction considering both localization and confidence, and perturbation magnitude, while enabling the discovery of diverse failure cases. Results show that PROBE is 3$\times$ to 7$\times$ more effective than random search in generating failure-inducing perturbations, while requiring smaller perturbation magnitudes, and that the generated perturbations transfer across models. We further show that metamorphic relations provide additional insights into model robustness, enabling the assessment of stability even in non-failing cases.
• Abstract（参考訳）: デンマーク工科大学(DTI)は、先進技術(ロボットを含む)を産業や公共部門に移管することに焦点を当てている。 重要な応用の1つは、再利用の促進、電子廃棄物の削減、欧州循環経済行動計画のサポートを目的とした、特殊なロボットを使用したノートパソコンの改修である。 このようなロボットのソフトウェアには、ノートパソコンを分解するネジを識別したり、ステッカーを除去するなど、さまざまな目的のためにオブジェクトを検出するためにオブジェクト検出モデルを使用する機能が含まれている。 このようなモデルのロバスト性を小さな入力変種に保証することは依然として重要な課題であり、修理中のラップトップの損傷を避けることが重要である。 本稿では,多目的最適化を利用した探索型ロバストネステスト手法 PROBE を提案し,ノートパソコン改造ロボットのソフトウェアで使用される物体検出モデルにおける障害を明らかにする最小限の局所的摂動を同定する。 PROBEはNSGA-IIを用いて摂動空間を体系的に探索し、局所化と信頼、摂動の大きさを考慮した障害誘導を最適化し、多様な障害事例の発見を可能にしている。 その結果, PROBE は 3$\times$ から 7$\times$ で, 故障誘発摂動の生成においてランダム探索よりも有効であり, 摂動の規模は小さく, 生成した摂動がモデル間で伝達されることが示唆された。 さらに、メタモルフィック関係はモデルロバスト性に関するさらなる洞察を与え、非障害ケースにおいても安定性の評価を可能にすることを示した。

関連論文リスト

• Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
  本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。 RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。 次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
  論文  参考訳（メタデータ） (2025-12-01T17:57:27Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデル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2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境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)
• On the Black-box Explainability of Object Detection Models for Safe and Trustworthy Industrial Applications [7.848637922112521]
  本稿では,物体検出モデルに対するモデルに依存しない説明可能性手法に着目し,形態的フラクタル摂動ピラミッド(P)法の拡張としてD-Pを提案する。 これらの手法を実世界の産業用・ロボット用データセット上で評価し,マスク数,モデルサイズ,画像解像度などのパラメータが説明の質に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2024-10-28T13:28:05Z)
• Tiny Robotics Dataset and Benchmark for Continual Object Detection [6.4036245876073234]
  小型ロボットプラットフォームにおける物体検出システムの連続学習能力を評価するための新しいベンチマークを提案する。 この結果は,小型ロボットにおける物体検出のための堅牢で効率的な連続学習戦略を開発する上での課題を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-09-24T16:21:27Z)
• Distributional Instance Segmentation: Modeling Uncertainty and High Confidence Predictions with Latent-MaskRCNN [77.0623472106488]
  本稿では,潜在符号を用いた分散インスタンス分割モデルのクラスについて検討する。 ロボットピッキングへの応用として,高い精度を実現するための信頼性マスク手法を提案する。 本手法は,新たにリリースした曖昧なシーンのデータセットを含め,ロボットシステムにおける致命的なエラーを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2023-05-03T05:57:29Z)
• MMRNet: Improving Reliability for Multimodal Object Detection and Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
  マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。 これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。 システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
  論文  参考訳（メタデータ） (2022-10-19T19:15:07Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)

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。