論文の概要: PhantomTac: Hijacking Robotic Tactile Systems with Deploy-and-forget Tags
- arxiv url: http://arxiv.org/abs/2610.26174v1
- Date: Mon, 19 Oct 2026 11:03:56 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:03:31.493036
- Title: PhantomTac: Hijacking Robotic Tactile Systems with Deploy-and-forget Tags
- Title（参考訳）: PhantomTac: デプロイ・アンド・フォーゲットタグでロボット触覚システムをハイジャック
- Abstract要約: 我々は、磁気触覚センサーにPhantomTacと呼ばれる物理的な抜け穴を発見した。
攻撃者は磁場を変えることができるので、磁気触覚センサーによって解釈される力をまき散らすことができる。
我々の攻撃は、既存の干渉防止機構をバイパスし、その閉ループ制御プロセスを効果的にハイジャックすることができる。
- 参考スコア（独自算出の注目度）: 10.253634178193797
- License:
- Abstract: Tactile perception is crucial for precise robotic manipulation, providing an important foundation for dexterous, closed-loop force control. Among various tactile sensing techniques, magnetic tactile sensors stand out thanks to their fine-grained, three-dimensional force perception capability and strong robustness against visual occlusion. In this study, we discover a physical loophole called PhantomTac in magnetic tactile sensors. The attacker can alter the magnetic field, thus spoofing the force interpreted by magnetic tactile sensors. The attacker can stealthily deploy such an attack by simply attaching a thin (the thickness is around 0.5 mm), battery-free magnetic tag to the surface of an object. Hence, the attack tag can be easily concealed by a barcode sticker. Such an attack scheme is "deploy-and-forget" -- the attacker can deploy the tag and leave. When a robotic hand is picking up an object, it may severely damage the object. Specifically, spoofing the normal force can crush the object, whereas spoofing the shear force can lead to a loose grip, thus dropping the object. Compared with directly sabotaging the robotic hand, PhantomTac is much more concealed as the attacker does not need access to the device. We performed extensive reverse-engineering efforts to characterize the sensing mechanism of commercial-off-the-shelf tactile sensors and proposed a practical tag design. End-to-end evaluations conducted on real robots and robotic arms demonstrate that our attack can bypass existing anti-interference mechanisms and effectively hijack their closed-loop control processes, achieving an attack success rate exceeding 95% when the grasping-position offset is bounded within 8 mm. Finally, based on the limitations of existing anti-magnetic interference mechanisms, we propose a multimodal-consistency defense mechanism to mitigate such physical-layer security threats.
- Abstract（参考訳）: 触覚は精密なロボット操作に不可欠であり、クローズドループ力制御の重要な基盤となる。
様々な触覚センシング技術の中で、磁気触覚センサーは、きめ細かい3次元の力知覚能力と、視覚的閉塞に対する強い強靭性により際立っている。
本研究では、磁気触覚センサにPhantomTacと呼ばれる物理的な抜け穴を発見した。
攻撃者は磁場を変えることができるので、磁気触覚センサーによって解釈される力をまき散らすことができる。
攻撃者は、薄い(厚さが0.5mm)バッテリーフリーの磁気タグを物体表面に貼り付けるだけで、そのような攻撃を密かに展開することができる。
これにより、バーコードステッカーで容易に攻撃タグを隠蔽することができる。
このような攻撃スキームは "deploy-and-forget" であり、攻撃者はタグをデプロイして離脱することができる。
ロボットハンドがオブジェクトを拾うと、オブジェクトに深刻なダメージを与える可能性がある。
具体的には、通常の力は物体を粉砕するが、せん断力は緩やかに握り、物体を落とす。
PhantomTacは、ロボットの手を直接破壊するのと比べて、攻撃者がデバイスにアクセスする必要がないため、ずっと隠れている。
市販市販の触覚センサの検知機構を特徴付けるために, 広範囲なリバースエンジニアリングを行い, 実用的なタグ設計を提案した。
実際のロボットとロボットアームを用いたエンド・ツー・エンドの評価では、我々の攻撃が既存の干渉防止機構をバイパスし、その閉ループ制御プロセスを効果的にハイジャックできることが示され、把握位置オフセットが8mm以内の場合に95%を超える攻撃成功率を達成する。
最後に、既存の反磁性干渉機構の限界に基づき、このような物理層セキュリティの脅威を軽減するためのマルチモーダル・一貫性防衛機構を提案する。
関連論文リスト
- GhostTac: Manipulating Tactile Sensors without Physical Contact [19.72027665321065]
我々はGhostTacについて、私たちの知る限り、電磁干渉(EMI)による触覚センシングを操作する最初の非接触攻撃について紹介する。
EMIは非線形整流と帯域幅の増幅効果を生かし、慎重に構築されたEMI信号を永続的なDCオフセットに変換して、オンボードフィルタリングをバイパスし、安定した測定偏差を誘導する。
GhostTacを10個のセンサーモジュールと2個のディクスタラスハンドで評価し、15種類の触覚センサーをカバーし、全テストデバイスで一貫した攻撃効果を示した。
論文 参考訳（メタデータ） (2026-08-21T07:39:19Z) - AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。
本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
論文 参考訳（メタデータ） (2026-06-08T17:38:57Z) - Phantom Force: Injecting Adversarial Tactile Perceptions into Embodied Intelligence via EMI [5.863997901470895]
身体のインテリジェントなロボットは、触覚センサーを使って物理的な世界と安全に対話する。
本研究は、意図的電磁干渉(EMI)に対する感受性を示すホールエフェクト指先センサの脆弱性を探索する。
攻撃者はこの脆弱性を利用して、ロボットの手を動かして脆弱な物体を粉砕したり、危険なペイロードを落としたりすることができる。
論文 参考訳（メタデータ） (2026-05-13T13:16:44Z) - Multifingered force-aware control for humanoid robots [5.099311163246841]
マルチフィンガーハンドを用いたロボットプラットフォームにおける力認識制御と力分布について検討する。
我々は、胴体、腕、手首、指の動きに適応し、様々な質量分布や不安定な接触の物体との安定した接触を維持するために再分配力を設計する。
我々は5つのオブジェクトでバランスをとる作業においてフレームワークを検証し、成功率82.7%を達成し、さらに複数のオブジェクトシナリオで評価し、精度80%を達成した。
論文 参考訳（メタデータ） (2026-03-09T09:17:45Z) - TaSA: Two-Phased Deep Predictive Learning of Tactile Sensory Attenuation for Improving In-Grasp Manipulation [45.60949380395733]
人間は、物体と複数の指の同時接触を伴う、物体のピンチや道具の使用など、さまざまな手動操作を行うことができる。
なぜなら、このような巧妙な操作は、自己接触によって生じる触覚と、外部との接触から生じる感覚を区別する必要があるからだ。
本稿では,2段階の深層予測学習フレームワークであるTaSAを紹介する。第1フェーズでは,ロボット自身の動作が触覚フィードバックをいかに生成するかをモデル化して,自己触覚のダイナミクスを明示的に学習する。
第2フェーズでは、この学習モデルを運動学習フェーズに組み込んで対象を強調する。
論文 参考訳（メタデータ） (2026-02-05T09:16:06Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - TPatch: A Triggered Physical Adversarial Patch [19.768494127237393]
音響信号によって引き起こされる物理的対向パッチであるTPatchを提案する。
運転者の疑念を避けるため,コンテンツベースカモフラージュ法と攻撃強化法を提案する。
論文 参考訳（メタデータ） (2023-12-30T06:06:01Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。
既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。
以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
論文 参考訳（メタデータ） (2022-07-20T19:49:09Z)
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。