論文の概要: TAPDreamer: Transferable Adversarial Patches for World Action Models

• arxiv url: http://arxiv.org/abs/2610.06814v2
• Date: Tue, 06 Oct 2026 17:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.451878
• Title: TAPDreamer: Transferable Adversarial Patches for World Action Models
• Title（参考訳）: TAPDreamer:世界アクションモデルのためのトランスファー可能な逆パッチ
• Abstract要約: 本研究では,固定された局所摂動を構築するために,公開エンコーダのみを用いた世界行動モデルに対する攻撃を提案する。 我々は、ベンチマーク毎に1つのフリーズパッチが入力の6.5%をカバーし、FastWAMの成功率を40のLIBEROタスクで97.7%から0.0%、50のRoboTwinタスクで90.86%から0.0%に下げることを示した。
• 参考スコア（独自算出の注目度）: 30.106147619761106
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models learn to predict how their environment will evolve, making them an important foundation for general-purpose robotic control. Yet world action models depend on camera inputs whose manipulation can corrupt the visual representations used across tasks and action policies. Existing attacks on these models optimize against the victim's actions or predicted futures and therefore require access to target-model outputs. In this paper, we propose an attack, TAPDreamer, against world action models that instead uses a public encoder alone to construct a fixed local perturbation that transfers across tasks and action architectures. TAPDreamer requires no target-policy queries. Our key insight is that interactions between patch-induced changes in attention weights and value vectors broadcast a nearly identical representation shift far beyond the patch footprint, and this shift remains stable across task observations. Guided by this insight, TAPDreamer uses six frames from one source task to maximize the global L1 distance between clean and patched encoder representations. In closed-loop evaluation, one frozen patch per benchmark, covering about 6.5% of the input, reduces FastWAM's success rate from 97.7% to 0.0% across 40 LIBERO tasks and from 90.86% to 0.0% across 50 RoboTwin tasks; matched random patches retain 81.5% and 79.2% success. The same patches reduce success to 1.45% and 1.00% on two DreamWAM configurations and to 10.60% on Motus. These results show that protecting downstream action generation alone is insufficient: defenses for world action models must also secure shared visual encoders against persistent local perturbations.
• Abstract（参考訳）: 世界モデルは、彼らの環境がどのように進化するかを予測することを学び、汎用ロボット制御の重要な基盤となる。 しかし、世界アクションモデルは、タスクやアクションポリシーで使用される視覚的表現を悪用できるカメラ入力に依存する。 これらのモデルに対する既存の攻撃は、犠牲者の行動や予測される未来に対して最適化され、したがってターゲットモデル出力へのアクセスを必要とする。 本稿では,公共エンコーダのみを用いてタスクやアクションアーキテクチャを横断する固定された局所摂動を構築する世界行動モデルに対するTAPDreamerを提案する。 TAPDreamerは、ターゲットポリシークエリを必要としない。 我々の重要な洞察は、注意重みのパッチによる変化と値ベクトルの相互作用が、パッチフットプリントを超えてほぼ同一の表現シフトをブロードキャストし、この変化はタスク観察全体にわたって安定しているということである。 この知見に導かれて、TAPDreamerは1つのソースタスクから6つのフレームを使用して、クリーンなエンコーダ表現とパッチされたエンコーダ表現の間のグローバルL1距離を最大化する。 クローズドループ評価では、1ベンチマークあたりの凍結パッチが入力の6.5%をカバーし、FastWAMの成功率は40のLIBEROタスクで97.7%から0.0%に減少し、50のRoboTwinタスクで90.86%から0.0%に減少した。 同じパッチにより、2つのDreamWAM構成では1.45%と1.00%、Motusでは10.60%に改善された。 これらの結果は、下流のアクション生成のみを保護することは不十分であることを示している。世界アクションモデルに対する防御は、永続的な局所摂動に対する共有視覚エンコーダの確保も必要である。

関連論文リスト

• EVO-WAM: Evolving World Action Models through Video-Action Verification [51.68210232964847]
  EVO-WAMは、自身の生成したビデオアクション軌跡から学習することで、WAMを見えないタスクに適応するフレームワークである。 コスモス3の平均成功率は20.0%から76.7%に改善され、56.7%となった。
  論文  参考訳（メタデータ） (2026-09-29T17:25:35Z)
• DeltaWAM: Delta World Action Models for Bimanual Manipulation [61.57435324858005]
  ワールドアクションモデル(WAM)は、事前訓練されたビデオジェネレータから、視覚力学とアクションを共同でモデル化することによって、視覚と動きの先行をロボット制御に転送する。 本稿では,高密度アンカー,スパースデルタ,アクションストリームを用いて,視覚的デルタとアクションを共同で予測するDeltaWAMを提案する。 RoboTwinでは、SDMを使用したDeltaWAMは、Fast-WAMの平均的な成功を81.3%から85.4%に改善し、ビジュアルランダム化の下で75.8%から83.9%に改善した。
  論文  参考訳（メタデータ） (2026-09-23T21:45:16Z)
• DUET-DINO: Simultaneous Cross-View World Modeling for Latent Planning in Robot Manipulation [19.179682667653328]
  アクション条件付き潜在世界モデルは将来の視覚表現を予測し、ゼロショットの目標条件付きロボットの計画と制御を可能にする。 本稿では,静的側カメラと手首カメラの同時観測により,動作条件付き予測を同時学習するDuet-DINOについて紹介する。 補完的なグローバルシーンとグリップ中心の情報を活用することで、DUET-DINOは完全な7-DoFアクション空間の潜在計画を可能にする。
  論文  参考訳（メタデータ） (2026-09-09T17:41:38Z)
• G0.5: One Autoregressive Stream for Robot Reasoning and Action [43.43377463558725]
  本稿では,1つの変圧器デコーダが1つの目的の下で推論とアクショントークンを出力する,事前訓練された自己回帰VLAであるG0.5を紹介する。 推論とアクションは1組の重みを共有しているため、事前訓練されたVLMの能力は物理的な振る舞いへと引き継がれる。 G0.5は7つの独立した体制で最先端のモデルを上回っている。
  論文  参考訳（メタデータ） (2026-08-12T07:26:47Z)
• RepSAM: Bridging Foundation Models to Robotic Vision via Representation-Guided Adaptation [0.0]
  RepSAMは、ロボットビジョンに基礎モデルを適用するための表現誘導パラメータ効率の微調整フレームワークである。 RepSAMは完全な微調整性能(89.0%対90.9% mIoU)の97.9%を達成し、トレーニング可能なパラメータを158倍(632Mから4.0M)削減した。
  論文  参考訳（メタデータ） (2026-05-25T06:56:42Z)
• Enhancing Policy Learning with World-Action Model [4.941630596191806]
  World-Action Model (WAM) は行動規則化された世界モデルであり、将来の視覚的観察と状態遷移を駆動する行動について共同で理由を定めている。 WAMは、遅延状態遷移からアクションを予測するDreamerV2に、逆ダイナミクスの目的を組み込んでいる。 我々は、CALVINベンチマークから8つの操作タスクにわたるポリシー学習の強化について、WAMを評価した。
  論文  参考訳（メタデータ） (2026-03-30T19:56:05Z)
• AI Evasion and Impersonation Attacks on Facial Re-Identification with Activation Map Explanations [13.564481603680838]
  本稿では,回避攻撃と偽装攻撃の両方が可能な敵パッチを生成するための新しい枠組みを提案する。 我々は,条件付きエンコーダ・デコーダネットワークを用いて,ソース画像とターゲット画像からのマルチスケール特徴を導出して,逆パッチを1つのフォワードパスで合成する。 我々のフレームワークはCelebA-HQで27%の成功率を獲得し、他のパッチベースの手法と競合する。
  論文  参考訳（メタデータ） (2026-03-16T15:12:41Z)
• When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models [81.7618160628979]
  VLA(Vision-Language-Action)モデルは敵の攻撃に弱いが、普遍的かつ移動可能な攻撃は未発見のままである。 UPA-RFAS(Universal Patch Attack via Robust Feature, Attention, and Semantics)は、単一の物理的パッチを共有機能空間で学習する統合フレームワークである。 多様なVLAモデル、操作スイート、物理実行の実験は、UPA-RFASがモデル、タスク、視点を一貫して移行していることを示している。
  論文  参考訳（メタデータ） (2025-11-26T09:16:32Z)
• Camouflage is all you need: Evaluating and Enhancing Language Model Robustness Against Camouflage Adversarial Attacks [53.87300498478744]
  自然言語処理(NLP)における敵攻撃の意義 本研究は、脆弱性評価とレジリエンス向上という2つの異なる段階において、この課題を体系的に探求する。 結果として、パフォーマンスとロバスト性の間のトレードオフが示唆され、いくつかのモデルは、ロバスト性を確保しながら、同様のパフォーマンスを維持している。
  論文  参考訳（メタデータ） (2024-02-15T10:58:22Z)
• Defensive Patches for Robust Recognition in the Physical World [111.46724655123813]
  データエンドディフェンスは、モデルを変更する代わりに入力データの操作によって堅牢性を改善する。 従来のデータエンドディフェンスは、様々なノイズに対する低一般化と、複数のモデル間での弱い転送可能性を示している。 モデルがこれらの機能をよりよく活用することを支援することにより、これらの問題に対処するための防御パッチ生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-13T07:34:51Z)

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。