論文の概要: RT-SHCUA: Real-Time Self-Hosted Computer-Use Agent for UAV Control
- arxiv url: http://arxiv.org/abs/2607.17951v1
- Date: Mon, 20 Jul 2026 13:52:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.645092
- Title: RT-SHCUA: Real-Time Self-Hosted Computer-Use Agent for UAV Control
- Title（参考訳）: RT-SHCUA:UAV制御のためのリアルタイム自家用コンピュータエージェント
- Authors: Di Lu, Bo Zhang, Xiyuan Li, Yongzhi Liao, Xuewen Dong, Yulong Shen, Zhiquan Liu, Jianfeng Ma,
- Abstract要約: 自然言語制御は無人航空機(UAV)に有望なインターフェースを提供する
しかし、自己ホスト型コンピュータ利用エージェント(SHCUA)をUAV制御に直接適用すると、構造的ミスマッチが発生する。
本稿では,SHCUAに基づくUAV制御のリアルタイムかつセキュリティ指向の再構築を提案する。
- 参考スコア（独自算出の注目度）: 29.46902986541309
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Natural-language control offers a promising interface for unmanned aerial vehicles (UAVs), but directly applying self-hosted computer-use agents (SHCUAs) to UAV control introduces a structural mismatch. SHCUAs are designed for interactive host-side tool use, where delayed agent iterations are often acceptable. UAV control, however, is coupled with continuously changing physical states, strict timing constraints, safety risks, and security accountability. A stale, unauthorized, or tampered agent decision may therefore lead to unsafe or untraceable vehicle behavior. This paper proposes a real-time and security-oriented restructuring of SHCUA-based UAV control. Instead of allowing an SHCUA to directly issue flight commands, we transform its outputs into contract-bound UAV skill invocations with explicit timing, state, authority, fallback, and evidence semantics. Based on this abstraction, we design an architecture that separates semantic reasoning from onboard execution and security/safety enforcement. Slow cloud or edge reasoning is used for mission understanding, while onboard components validate and dispatch only timely, authorized, and state-consistent skills. Security-critical enforcement points can be protected by TEE-style or microcontroller isolation mechanisms without moving the full language agent or high-frequency flight-control loop into trusted components. Prototype evaluation shows that RT-SHCUA maintains bounded task-level responsiveness while supporting degraded handling, trusted admission, and auditable evidence preservation for SHCUA-mediated UAV actions.
- Abstract（参考訳）: 自然言語制御は無人航空機(UAV)に有望なインタフェースを提供するが、自己ホスト型コンピュータ利用エージェント(SHCUA)を直接UAV制御に適用することは構造的ミスマッチをもたらす。
SHCUAは対話型ホストサイドツール用に設計されており、遅延エージェントの反復がしばしば受け入れられる。
しかし、UAV制御は、継続的に変化する物理的状態、厳格なタイミング制約、安全性リスク、セキュリティ説明責任と結合している。
したがって、古い、許可されていない、または改ざんされたエージェントの判断は、安全でない、または追跡不能な車両行動を引き起こす可能性がある。
本稿では,SHCUAに基づくUAV制御のリアルタイムかつセキュリティ指向の再構築を提案する。
SHCUAがフライトコマンドを直接発行する代わりに、アウトプットを明示的なタイミング、状態、権限、フォールバック、エビデンスセマンティクスを備えたコントラクトバウンドなUAVスキル呼び出しに変換する。
この抽象化に基づいて、セマンティック推論をオンボード実行とセキュリティ/安全執行から分離するアーキテクチャを設計する。
スロークラウドまたはエッジ推論は、ミッション理解に使用され、オンボードコンポーネントは、タイムリー、認証、およびステート一貫性のあるスキルのみを検証およびディスパッチする。
セキュリティクリティカルな強制ポイントは、完全な言語エージェントや高周波飛行制御ループを信頼されたコンポーネントに移行することなく、TEEスタイルまたはマイクロコントローラ分離メカニズムによって保護することができる。
RT-SHCUAは, 分解処理, 信頼度, およびSHCUAによるUAV行動に対する聴覚的エビデンス保存をサポートしながら, タスクレベルの応答性を維持している。
関連論文リスト
- Position: AI Safety Requires Effective Controllability [7.789894640525689]
我々は、AIの安全性は第一級の目的として制御性を必要とすると論じている。
OpenClawベースのエージェントによる実験では、現在のアライメントとガードレール機構がリスクを低減しているが、永続的で権威的で強制可能なランタイムコントロールの提供に失敗することが多い。
論文 参考訳（メタデータ） (2026-05-26T14:53:24Z) - Constraining Host-Level Abuse in Self-Hosted Computer-Use Agents via TEE-Backed Isolation [29.46902986541309]
自己ホスト型コンピュータ利用エージェント(SHCUA)は、自然言語によるインタラクションとホスト側のリソースへの直接アクセスを組み合わせる。
本稿では,SHCUA 操作のリスクベース抑止のための操作中心モデルを提案する。
論文 参考訳（メタデータ） (2026-05-07T15:08:40Z) - CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation [68.53387633351484]
有害な行為に対する統計的保証を提供するポスト・ポリティクス・プレアクション保護フレームワークであるCORA(Conformal Risk-control GUI Agent)を提案する。
CORAは、安全を選択的行動実行として再定義する:我々は、提案されたステップごとに行動条件リスクを推定するためにガーディアンモデルを訓練する。
このパラダイムを厳格に評価するために、ステップレベルのハーモラベルを持つモバイル安全違反の新しいベンチマークであるPhone-Harmを紹介する。
論文 参考訳（メタデータ） (2026-04-10T09:41:21Z) - From High-Level Types to Low-Level Monitors: Synthesizing Verified Runtime Checkers for MAVLink [2.4755749916288714]
Platumは、最小限のDSLで両方の障害に対処するフレームワークです。
DATUMと比較して,総モニタ遅延とメモリオーバーヘッドの4倍の低減効果を示した。
論文 参考訳（メタデータ） (2026-04-04T22:45:02Z) - CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。
CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。
このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
論文 参考訳（メタデータ） (2026-01-14T23:06:35Z) - RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。
しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。
提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
論文 参考訳（メタデータ） (2025-12-24T15:01:26Z) - Adaptive Attacks on Trusted Monitors Subvert AI Control Protocols [80.68060125494645]
プロトコルとモニタモデルを知っている信頼できないモデルによるアダプティブアタックについて検討する。
我々は、攻撃者がモデル出力に公知またはゼロショットプロンプトインジェクションを埋め込む単純な適応攻撃ベクトルをインスタンス化する。
論文 参考訳（メタデータ） (2025-10-10T15:12:44Z) - DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。
この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。
本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-13T05:01:09Z) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - TRACES: TEE-based Runtime Auditing for Commodity Embedded Systems [9.32090482996659]
制御フロー監査(CFA)は、遠隔デバイスに対する制御フローハイジャック攻撃を検出する手段を提供する。
CFAは実行されたすべての分岐命令の宛先を含むトレース(CFLog)を生成する。
TraCESはPrvが侵害された場合でも、定期的なランタイムレポートの信頼性を保証する。
論文 参考訳（メタデータ） (2024-09-27T20:10:43Z) - Runtime Safety Assurance Using Reinforcement Learning [37.61747231296097]
本稿では,安全でない状況を高精度に識別できるメタコントローラを設計することを目的とする。
我々は,RTSAの設計をマルコフ決定プロセス(MDP)と組み合わせ,強化学習(RL)を用いて解決する。
論文 参考訳（メタデータ） (2020-10-20T20:54:46Z)
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。