論文の概要: From bits to atoms: A survey of cross-layer safety in Embodied AI

• arxiv url: http://arxiv.org/abs/2610.14038v1
• Date: Fri, 02 Oct 2026 06:37:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:40:58.401497
• Title: From bits to atoms: A survey of cross-layer safety in Embodied AI
• Title（参考訳）: ビットから原子へ:Embodied AIにおける層間安全性の調査
• Abstract要約: Embodied Artificial Intelligence (AI)は、デジタル障害や攻撃が物理的損害を引き起こす可能性があるため、サイバー物理的リスクをもたらす。 この調査では、4層参照アーキテクチャを通じて、AIの安全性を具体化している。 安全パラダイムの進化を辿り、フォールトとアタックがどのようにアーキテクチャの境界を越えているかを調べます。
• 参考スコア（独自算出の注目度）: 293.058806505954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied Artificial Intelligence (AI) introduces cyber-physical risks because digital failures and attacks can cause physical harm. This survey organizes embodied AI safety through a four-layer reference architecture -- comprising the physical interaction, system and middleware, algorithm and decision, and cloud-edge and data layers -- and uses it to connect vulnerabilities, propagation paths, and safeguards across the system stack. It traces the evolution of safety paradigms and examines how faults and attacks cross architectural boundaries to produce physical consequences. Furthermore, the survey systematizes composite attack chains, outlines multi-layered defense strategies, and reviews representative embodied safety benchmarks. Ultimately, we advocate for unifying software alignment with rigorous hardware constraints to build trustworthy systems capable of operating safely within human-centric environments.
• Abstract（参考訳）: Embodied Artificial Intelligence (AI)は、デジタル障害や攻撃が物理的損害を引き起こす可能性があるため、サイバー物理的リスクをもたらす。 この調査では、物理的インタラクション、システムとミドルウェア、アルゴリズムと決定、クラウドエッジとデータレイヤを含む4層参照アーキテクチャを通じて、AIの安全性を具体化して、脆弱性、伝搬パス、システムスタック全体の保護を接続する。 安全パラダイムの進化を辿り、フォールトとアタックがアーキテクチャの境界を越えて物理的な結果を生み出す方法を調べる。 さらに, 複合攻撃チェーンのシステム化, 多層防衛戦略の概要, 代表実施安全ベンチマークのレビューも行った。 最終的には、人間中心の環境で安全に動作可能な信頼性の高いシステムを構築するために、厳格なハードウェア制約とソフトウェアアライメントを統合することを提唱します。

関連論文リスト

• Vision-Language-Action Safety: Threats, Challenges, Evaluations, and Mechanisms [61.29786895012393]
  VLA(Vision-Language-Action)モデルがインボディードインテリジェンスのための統一された基盤として登場している。 この調査は、ビジョン・ランゲージ・アクションモデルにおける安全性の統一的で最新の概要を提供する。
  論文  参考訳（メタデータ） (2026-04-26T15:58:19Z)
• Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
  Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。 デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。 この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
  論文  参考訳（メタデータ） (2026-03-28T13:21:44Z)
• Securing AI Agents in Cyber-Physical Systems: A Survey of Environmental Interactions, Deepfake Threats, and Defenses [2.6726842616701703]
  この調査は、サイバー物理システムにおけるAIエージェントをターゲットにしたセキュリティ脅威の包括的なレビューを提供する。 我々は、環境相互作用、ディープフェイクによる攻撃、MCPによる脆弱性に焦点を当てる。 タイミング、騒音、偽陽性がいかに制約可能な防御を犠牲にするかを定量的に説明する。
  論文  参考訳（メタデータ） (2026-01-28T02:33:24Z)
• ANNIE: Be Careful of Your Robots [48.89876809734855]
  エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。 すべての安全カテゴリーで攻撃の成功率は50%を超えている。 結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
  論文  参考訳（メタデータ） (2025-09-03T15:00:28Z)
• Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation [42.350737545269105]
  サイバー物理パワーシステムの複雑さは 攻撃面を大きくし 悪質なアクターに悪用される 我々は,これらのリスクを,サイバーパワーシステムを記述する宣言的アプローチで満たし,セキュリティと安全性の制御を自動的に評価することを提案する。
  論文  参考訳（メタデータ） (2025-06-14T12:07:44Z)
• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• Towards Robust and Secure Embodied AI: A Survey on Vulnerabilities and Attacks [22.154001025679896]
  ロボットや自動運転車を含む身体的AIシステムは、現実のアプリケーションにますます統合されている。 これらの脆弱性は、センサーのスプーフィング、敵攻撃、タスクおよび動作計画における失敗を通じて現れる。
  論文  参考訳（メタデータ） (2025-02-18T03:38:07Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)

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。