論文の概要: Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation
- arxiv url: http://arxiv.org/abs/2607.03758v1
- Date: Sat, 04 Jul 2026 08:14:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.708305
- Title: Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation
- Title（参考訳）: 解空間を除外する: 耐久性を考慮した操作に対するプランナー非依存的敵対攻撃
- Abstract要約: 本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。
提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。
オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
- 参考スコア（独自算出の注目度）: 57.9825059129472
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adversarial attacks on motion planning are crucial for evaluating and quantifying the intrinsic robustness of robotic manipulation. However, existing approaches are typically limited by restrictive exact-pose objectives and their reliance on planner-in-the-loop queries. To address these limitations, we propose a planner-agnostic attack framework for tolerance-aware manipulation. Our approach shifts the evaluation paradigm to task-level feasibility over goal regions, efficiently inserting adversarial obstacles without requiring oracle access to the victim system. Offline, we characterize the robot's intrinsic workspace capabilities via a kinematic occupancy heatmap, which encodes the density of feasible trajectories and robustness priors without invoking a specific planner. Online, we formulate the attack as a budgeted maximum-coverage optimization, strategically deploying obstacles subject to explicit geometric constraints to occlude the solution space. Extensive experiments across simulation and real-world scenarios demonstrate that our method reliably induces planning failures, significantly outperforming planner-in-the-loop baselines in both computational efficiency and attack efficacy.
- Abstract（参考訳）: 運動計画に対する敵対的な攻撃は、ロボット操作の本質的な堅牢性の評価と定量化に不可欠である。
しかし、既存のアプローチは、制限された正確な目的と、そのループ内のプランナークエリへの依存によって制限されるのが一般的である。
これらの制約に対処するため、我々は寛容な操作を行うためのプランナーに依存しない攻撃フレームワークを提案する。
提案手法は, 目標領域に対するタスクレベルの実現性に対して評価パラダイムをシフトさせ, 被害者システムへのオラクルアクセスを必要とせず, 効率よく敵の障害物を挿入する。
ロボットの本質的な作業空間能力は,特定のプランナーを起動することなく,実現可能な軌道と頑健さの密度を符号化したキネマティック占有熱マップを用いて特徴付ける。
オンライン上では、この攻撃を予算化された最大被覆最適化として定式化し、明確な幾何学的制約を受ける障害物を戦略的に配置し、解空間を妨害する。
シミュレーションと実世界のシナリオにわたる大規模な実験により、我々の手法は計画上の失敗を確実に誘発し、計算効率と攻撃効率の両方においてプランナー・イン・ザ・ループのベースラインを著しく上回ることを示した。
関連論文リスト
- Self-Supervised Bio-Inspired Robotic Trajectory Planning with Obstacle Avoidance [0.0]
軌道計画はロボット工学の基本的な問題であり、潜在的に複雑な環境で衝突のない効率的な軌道を生成する必要がある。
サンプリングベースのプランナーは依然として主要なアプローチであるが、特に高次元空間や障害物の多い環境では計算コストがかかることが多い。
モデル学習に基づく手法は、有望な代替手段を提供する。
論文 参考訳（メタデータ） (2026-07-22T21:47:56Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - SCRAMPPI: Efficient Contingency Planning for Mobile Robot Navigation via Hamilton-Jacobi Reachability [2.6424021470496672]
本稿では,安全制約による名目コストに対する軌道最適化問題を定式化する。
名目上の計画に沿う任意の地点から、指定された安全セットへの実現可能な軌道が存在する必要がある。
本研究は,移動ロボット上で,名目・緊急プランをリアルタイムで生成するアルゴリズムを実演し,シミュレーションおよびハードウェア実験を行った。
論文 参考訳（メタデータ） (2026-03-27T21:09:43Z) - Optimal Trajectory Planning for Orbital Robot Rendezvous and Docking [2.666234597824067]
人工衛星に搭載されたロボットマニピュレータを用いた宇宙ゴミ除去ミッションでは、安全にタンブリングターゲットに接近することが重要な課題である。
本研究では, 近距離ランデブーの非線形最適化に基づく軌道計画手法を提案し, 自由浮遊回転するデブリ物体をマニピュレータの作業空間に導入する。
提案手法では, 接近条件に応じて適応し, ターゲットに近づき, より安全なアクセスを可能にするダイナミック・キープアウト・スフィアを導入する。
論文 参考訳（メタデータ） (2025-12-26T06:11:54Z) - NoTVLA: Narrowing of Dense Action Trajectories for Generalizable Robot Manipulation [54.87964060934928]
VLA(Vision-Language-Action)モデルは、現実の展開において重要な障壁に直面している。
本稿では,軌道の狭小化に焦点を絞った新しい手法として,軌道の狭小化(Narrowing of Trajectory)VLAフレームワークを提案する。
NoTVLAは2つのクリティカルな制約の下で動作しながら、pi0よりも優れたパフォーマンスと一般化を実現している。
論文 参考訳（メタデータ） (2025-10-04T18:26:55Z) - 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) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳（メタデータ） (2023-12-29T14:00:20Z) - Safe multi-agent motion planning under uncertainty for drones using
filtered reinforcement learning [6.783774261623415]
本稿では,強化学習と制約制御に基づく軌道計画の強みを生かした,トラクタブルな運動プランナを提案する。
提案手法は,学習のみに基づく手法よりも訓練が容易な,安全かつリアルタイムな実装可能なマルチエージェントモーションプランナを提供する。
論文 参考訳（メタデータ） (2023-10-31T18:09:26Z) - SHARP: Shielding-Aware Robust Planning for Safe and Efficient
Human-Robot Interaction [5.804727815849655]
シールド」制御スキームは、安全クリティカルなイベントが差し迫った場合に、ロボットの名目上の計画と安全フォールバック戦略をオーバーライドする。
本研究では,ロボットが将来の遮蔽イベントを明示的に考慮し,効率的に計画できる新しい遮蔽型計画手法を提案する。
論文 参考訳（メタデータ） (2021-10-02T17:01:59Z) - Online Mapping and Motion Planning under Uncertainty for Safe Navigation
in Unknown Environments [3.2296078260106174]
本論文は,確率論的安全保証者によるオンラインで実現可能な動作のマッピングと計画のための不確実性に基づくフレームワークを提案する。
提案手法は, 環境の不確実性を意識した環境表現を構築するために周囲をマッピングし, (i) 信念空間の多層サンプリングベースプランナーを通して, キノダイナミックに実現可能で確率論的に安全な目標に反復的に(re)計画を行うことにより, 動き, 確率論的安全性, オンライン計算制約を取り扱う。
論文 参考訳（メタデータ） (2020-04-26T08:53:37Z)
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。