論文の概要: Phantom Force: Injecting Adversarial Tactile Perceptions into Embodied Intelligence via EMI

• arxiv url: http://arxiv.org/abs/2605.13492v1
• Date: Wed, 13 May 2026 13:16:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.065193
• Title: Phantom Force: Injecting Adversarial Tactile Perceptions into Embodied Intelligence via EMI
• Title（参考訳）: ファントムフォース:EMIを介して敵の触覚を身体情報に注入する
• Authors: Zirui Kong, Youqian Zhang, Sze Yiu Chau,
• Abstract要約: 身体のインテリジェントなロボットは、触覚センサーを使って物理的な世界と安全に対話する。 本研究は、意図的電磁干渉(EMI)に対する感受性を示すホールエフェクト指先センサの脆弱性を探索する。 攻撃者はこの脆弱性を利用して、ロボットの手を動かして脆弱な物体を粉砕したり、危険なペイロードを落としたりすることができる。
• 参考スコア（独自算出の注目度）: 5.863997901470895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied intelligent robots rely on tactile sensors to interact with the physical world safely. While the security of visual perception systems has been studied (e.g., adversarial samples), the integrity of the tactile sensory channel remains unexplored. This work explores a vulnerability in Hall-effect fingertip sensors, showing their susceptibility to intentional Electromagnetic Interference (EMI). We demonstrate that a targeted signal injection can induce strong ``phantom forces'', amplifying perceived force magnitude by over \textbf{9$\times$} and deviating the inferred force direction by \textbf{65$^\circ$}. Such perturbations can paralyze learning-based tactile classification models, seriously affecting robot movement. An attacker could exploit this vulnerability to coerce a robot hand into crushing fragile objects or dropping dangerous payloads.
• Abstract（参考訳）: 身体のインテリジェントなロボットは、触覚センサーを使って物理的な世界と安全に対話する。 視覚知覚システムの安全性は研究されているが(例えば、反対のサンプル)、触覚チャネルの整合性は未解明のままである。 この研究はホールエフェクト指先センサーの脆弱性を探究し、電磁干渉(EMI)に対する感受性を示す。 目的の信号注入は強い「ファントム力」を誘導し, 知覚力の大きさを \textbf{9$\times$} で増幅し, 推定力方向を \textbf{65$^\circ$} で逸脱させることを実証する。 このような摂動は、学習に基づく触覚分類モデルを麻痺させ、ロボットの動きに深刻な影響を及ぼす。 攻撃者はこの脆弱性を利用して、ロボットの手を動かして脆弱な物体を粉砕したり、危険なペイロードを落としたりすることができる。

関連論文リスト

• TaSA: Two-Phased Deep Predictive Learning of Tactile Sensory Attenuation for Improving In-Grasp Manipulation [45.60949380395733]
  人間は、物体と複数の指の同時接触を伴う、物体のピンチや道具の使用など、さまざまな手動操作を行うことができる。 なぜなら、このような巧妙な操作は、自己接触によって生じる触覚と、外部との接触から生じる感覚を区別する必要があるからだ。 本稿では,2段階の深層予測学習フレームワークであるTaSAを紹介する。第1フェーズでは,ロボット自身の動作が触覚フィードバックをいかに生成するかをモデル化して,自己触覚のダイナミクスを明示的に学習する。 第2フェーズでは、この学習モデルを運動学習フェーズに組み込んで対象を強調する。
  論文  参考訳（メタデータ） (2026-02-05T09:16:06Z)
• UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
  そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。 UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する 高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
  論文  参考訳（メタデータ） (2026-02-01T11:03:01Z)
• Rainbow Artifacts from Electromagnetic Signal Injection Attacks on Image Sensors [16.11931222046411]
  画像センサーは、監視インフラ、自動運転車、産業自動化など、幅広い安全およびセキュリティクリティカルなシステムに不可欠なものだ。 本稿では,画像センサのアナログ領域を標的とした新しい電磁信号注入攻撃について検討する。
  論文  参考訳（メタデータ） (2025-07-10T13:55:35Z)
• Feel the Force: Contact-Driven Learning from Humans [52.36160086934298]
  操作中のきめ細かい力の制御は、ロボット工学における中核的な課題である。 We present FeelTheForce, a robot learning system that model human tactile behavior to learn force-sensitive control。 提案手法は,5つの力覚的操作タスクで77%の成功率を達成した,スケーラブルな人間の監督において,堅牢な低レベル力制御を実現する。
  論文  参考訳（メタデータ） (2025-06-02T17:57:52Z)
• TrojanRobot: Physical-world Backdoor Attacks Against VLM-based Robotic Manipulation [63.68326640737848]
  textitTrojanRobotは、物理的世界で非常にステルスで、広く有効なロボットバックドア攻撃だ。 バックドアモジュールをモジュール型ロボティクスポリシーに組み込むことにより,モジュール・ポゾン方式を導入する。 我々は,3種類の素攻撃(e,textitpermutation, textitstagnation, textitintentional attack)を開発し,より微細なバックドアを実現する。
  論文  参考訳（メタデータ） (2024-11-18T16:09:26Z)
• Physical Adversarial Attack meets Computer Vision: A Decade Survey [55.38113802311365]
  本稿では,身体的敵意攻撃の概要を概観する。 本研究は,身体的敵意攻撃の性能を体系的に評価する第一歩を踏み出した。 提案する評価基準であるhiPAAは6つの視点から構成される。
  論文  参考訳（メタデータ） (2022-09-30T01:59:53Z)
• Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
  エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。 既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。 以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-07-20T19:49:09Z)
• RobustSense: Defending Adversarial Attack for Secure Device-Free Human Activity Recognition [37.387265457439476]
  我々は、共通の敵攻撃を防御する新しい学習フレームワーク、RobustSenseを提案する。 本手法は,無線による人間行動認識と人物識別システムに有効である。
  論文  参考訳（メタデータ） (2022-04-04T15:06:03Z)

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。