論文の概要: RoboFake: Are Deepfake Detectors Ready for Humanoid Face Robots?
- arxiv url: http://arxiv.org/abs/2610.14269v1
- Date: Fri, 09 Oct 2026 19:42:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 22:18:00.701653
- Title: RoboFake: Are Deepfake Detectors Ready for Humanoid Face Robots?
- Title（参考訳）: RoboFake:ディープフェイク・ディテクターはヒューマノイドの顔ロボットに使えるか?
- Abstract要約: 私たちは、ロボットの顔を見たとき、現在のディープフェイク検出器が何をするのかを尋ねる。
FaceForensics++でトレーニングされた6つの公開検出器をテストする。
3つの検出器は、ほぼすべての物理ロボットフレームにフラグを付け、一方2つのフラグは7%未満である。
- 参考スコア（独自算出の注目度）: 5.14549984289357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humanoid face robots can now move their lips in sync with speech and show detailed facial expressions. Give such a robot the face of a real person and drive it with generated speech, and you get a face forgery that happens in front of the camera: the camera records a real object, and no pixel is edited. We call this a RoboFake. In this paper we ask what current deepfake detectors do when they see a robot face. We test six public detectors trained on FaceForensics++ on video of a physical lip-syncing face robot, on a synthesized video of the same robot, and on rendered robot faces. All thresholds are fixed on FaceForensics++, and every result is compared with real human faces that went through the same processing as the robot videos. At a threshold that flags 5% of real faces, three detectors flag almost every physical robot frame, while two flag fewer than 7%. A matched human control and masking show that the response comes from the face, not from the processing or the background. However, it does not track synthesis: with only the face visible, three of the six detectors give the physical robot a higher fake score than its synthesized video. The response is also fragile, and light JPEG compression is enough to push most robot frames below the threshold for some detectors. Our results suggest that current detectors flag today's robots because their faces do not look human, not because they recognize a forgery. We release our evaluation protocol and code, and state three testable hypotheses about realistic, interactive RoboFakes.
- Abstract（参考訳）: ヒューマノイドの顔ロボットは、口を音声と同期させて動き、詳細な表情を見せることができる。
ロボットに実際の人の顔を与え、生成された音声で運転させると、カメラの前で起こる顔の偽造が手に入り、カメラは本物の物体を記録し、ピクセルは編集されない。
これをRoboFakeと呼びます。
本稿では,ロボットの顔を見たとき,現在のディープフェイク検出器が何をするのかを問う。
我々は、FaceForensics++でトレーニングされた6つの公開検出器を、物理リップ同期顔ロボットのビデオ、同じロボットの合成ビデオ、レンダリングされたロボットの顔でテストした。
すべての閾値はFaceForensics++で固定され、その結果は実際の人間の顔と比較される。
実際の顔の5%をフラグするしきい値では、3つの検出器がほぼすべての物理ロボットフレームにフラグを付け、一方2つのフラグは7%以下である。
一致する人間の制御とマスキングは、反応は処理や背景ではなく、顔から来ていることを示している。
6つの検出器のうち3つは、合成されたビデオよりも高い偽のスコアを与える。
応答も脆弱で、軽いJPEG圧縮は、ほとんどのロボットフレームを検知器のしきい値以下に押し上げるのに十分である。
我々の結果は、現在の検知器が現在のロボットにフラグを付けるのは、顔が人間に似ていないからであって、偽造だと認識しているからではないことを示唆している。
評価プロトコルとコードを公開し、リアルでインタラクティブなRoboFakeに関する3つの検証可能な仮説を述べる。
関連論文リスト
- VisTacAlign: Co-Training Dexterous Policies on Tactile Human and Robot Demonstrations [1.002991947914955]
VisTacAlignは、人間とロボットのデモに対する3D-視覚触覚のデクサラスなポリシーを共同訓練するためのフレームワークである。
グローブトラッキングされた人間の手の動きは、17-DoFの触覚ロボットハンドに1回指先修正を加えて再ターゲティングされる。
静電容量式触覚グローブは、信号空間内のロボットの指先センサーにアライメントされ、1つの指先力表現が解釈可能である。
論文 参考訳（メタデータ） (2026-09-25T08:12:04Z) - HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos [58.9564236347451]
HumanEgoは、人間とロボットのエンボディメントギャップを橋渡しするフレームワークである。
それは、人間のデモを、手動オブジェクトの相互作用の実体レベルの表現へと持ち上げる。
HumanEgoは、ロボットのデータフリー、ハードウェア非依存、データ効率、ゼロショットの人間とロボットの転送を可能にする。
論文 参考訳（メタデータ） (2026-05-24T08:26:41Z) - H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos [58.006918399913665]
本稿では,通常の人間と物体のインタラクションビデオからモーション一貫性のあるロボット操作ビデオに変換するビデオ間翻訳フレームワークを提案する。
私たちのアプローチでは、ロボットビデオのセットのみをトレーニングするために、ペアの人間ロボットビデオは必要とせず、システムを拡張しやすくしています。
テスト時にも同じプロセスを人間のビデオに適用し、人間の行動を模倣する高品質なロボットビデオを生成する。
論文 参考訳（メタデータ） (2025-12-10T07:59:45Z) - EgoZero: Robot Learning from Smart Glasses [54.6168258133554]
EgoZeroはProject Ariaスマートグラスで捉えた人間のデモから堅牢な操作ポリシーを学ぶ。
EgoZeroのポリシーをFranka Pandaロボットにデプロイし、7つの操作タスクに対して70%の成功率でゼロショット転送を実演する。
この結果から,実世界におけるロボット学習のためのスケーラブルな基盤として,現在地にある人間のデータを活用できることが示唆された。
論文 参考訳（メタデータ） (2025-05-26T17:59:17Z) - Generalizable Humanoid Manipulation with 3D Diffusion Policies [66.78220965526732]
我々は、ヒューマノイドロボットによる自律的な操作の問題を解決するために、現実世界のロボットシステムを構築している。
本システムは主に,人型ロボットデータを取得するための全身ロボット遠隔操作システムと,高さ調整可能なカートと3D LiDARセンサを備えた25-DoFヒューマノイドロボットプラットフォームの統合である。
1つのシーンで収集されたデータのみを使用し、オンボードコンピューティングのみで、フルサイズのヒューマノイドロボットが様々な現実世界のシナリオで自律的にスキルを発揮できることが示される。
論文 参考訳（メタデータ） (2024-10-14T17:59:00Z) - Giving Robots a Hand: Learning Generalizable Manipulation with
Eye-in-Hand Human Video Demonstrations [66.47064743686953]
眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。
一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。
本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
論文 参考訳（メタデータ） (2023-07-12T07:04:53Z) - A Review of Scene Representations for Robot Manipulators [0.0]
我々は、実世界のセンシングから構築され、下流のタスクを知らせるために使用される表現に焦点を当てる。
シーンの表現は、ロボットの種類、知覚モダリティ、ロボットが行うように設計されたタスクによって大きく異なる。
論文 参考訳（メタデータ） (2022-12-22T20:32:19Z) - Robotic Telekinesis: Learning a Robotic Hand Imitator by Watching Humans
on Youtube [24.530131506065164]
我々は、人間なら誰でもロボットの手と腕を制御できるシステムを構築します。
ロボットは、人間のオペレーターを1台のRGBカメラで観察し、その動作をリアルタイムで模倣する。
我々はこのデータを利用して、人間の手を理解するシステムを訓練し、人間のビデオストリームをスムーズで、素早く、安全に、意味論的に誘導デモに類似したロボットのハンドアーム軌道に再ターゲティングする。
論文 参考訳（メタデータ） (2022-02-21T18:59:59Z)
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。