論文の概要: CAESAR: Mixed Reality Search-and-Rescue Platform for Cognitive Attack Evaluation

• arxiv url: http://arxiv.org/abs/2610.27654v1
• Date: Tue, 20 Oct 2026 05:12:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.660113
• Title: CAESAR: Mixed Reality Search-and-Rescue Platform for Cognitive Attack Evaluation
• Title（参考訳）: CAESAR:認知的攻撃評価のための複合現実感検索・救助プラットフォーム
• Abstract要約: MR(Mixed Reality)は、仮想コンテンツを物理的環境と密結合し、具体的相互作用をサポートすることで、没入型トレーニングを可能にする。 検索と救助のような安全クリティカルな協調作業では、ユーザーは認識、調整、意思決定のための仮想要素に大きく依存する。 本研究では,協調検索・救助訓練における認知的攻撃の体系的評価を目的とした,エンドツーエンドのマルチユーザーMRフレームワークであるCAESARを開発する。
• 参考スコア（独自算出の注目度）: 24.777275839184355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixed Reality (MR) enables immersive training by tightly coupling virtual content with the physical environment and supporting embodied interaction. In safety-critical collaborative tasks such as search-and-rescue, however, users rely heavily on virtual elements for perception, coordination, and decision-making, making them vulnerable to cognitive attacks that subtly distort visual feedback, virtual content, or system synchronization. While prior MR security research has examined individual attack mechanisms, evaluations are typically conducted in isolated or single-user settings, and there is a lack of standardized collaborative testbeds for systematic adversarial experimentation. In this paper, we develop CAESAR, an end-to-end multi-user MR framework for systematic evaluation of cognitive attacks in collaborative search-and-rescue training. CAESAR features a modular architecture that integrates four classes of cognitive attacks within a synchronized collaborative scenario and incorporates a multimodal data collection pipeline that captures behavioral, performance, and subjective measures under adversarial conditions. We conduct a controlled user study with an in-depth analysis of the latency-based attack, demonstrating measurable effects on task performance and user behavior while characterizing users' subjective experience under adversarial conditions.
• Abstract（参考訳）: MR(Mixed Reality)は、仮想コンテンツを物理的環境と密結合し、具体的相互作用をサポートすることで、没入型トレーニングを可能にする。 しかし、検索と救助のような安全クリティカルな協調作業では、ユーザーは認識、調整、意思決定の仮想要素に強く依存しており、視覚的フィードバック、仮想コンテンツ、システム同期を微妙に歪める認知的攻撃に弱い。 従来のMRセキュリティ研究では個別の攻撃機構が検討されているが、通常は単独または単一ユーザ設定で評価が行われており、体系的対人実験のための標準化された共同テストベッドが欠如している。 本稿では,協調検索・救助訓練における認知的攻撃の体系的評価を目的とした,エンドツーエンドのマルチユーザMRフレームワークであるCAESARを開発する。 CAESARは、同期されたコラボレーティブシナリオに4つのクラスの認知攻撃を統合するモジュールアーキテクチャと、対向的な条件下での行動、パフォーマンス、主観的な測定をキャプチャするマルチモーダルデータ収集パイプラインを備えている。 本研究では,潜時攻撃の詳細な分析を施した制御型ユーザスタディを行い,ユーザの主観的体験を敵の条件下で特徴づけつつ,タスク性能とユーザ行動に測定可能な効果を示す。

関連論文リスト

• Plug-and-Play Reweighting for Resilient Collaborative Decision-Making in Connected Autonomous Driving [35.0382657479364]
  協力者の知覚的ノイズと 敵対的攻撃は 決定の信頼性に深刻な影響を及ぼす 本稿では,アテンションベースエンコーダとアテンションベースデコーダからなる新しいレジリエント・コラボレーティブ・コラボレーティブ・メイキング・フレームワークを提案する。 このアプローチは既存のメソッドを最大26%上回り、最先端のレジリエントなパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2026-07-10T23:36:31Z)
• HRIBench: Benchmarking Interaction-Centric Human-Robot Collaboration [62.19372189311434]
  HRIBenchは,実行シナリオに基づいた意図認識型人間ロボットコラボレーションの診断ベンチマークである。 HRIBenchは、エージェントの役割、時間的依存、調整の制約、人間の振る舞いの分布を明示的にモデル化する構造化シナリオスクリプトとして、協調的なタスクを表現している。 その結果,現状の基盤ロボット政策は,操作能力が強いにもかかわらず,協調的な環境下では極めて困難であることが示唆された。
  論文  参考訳（メタデータ） (2026-07-05T09:15:35Z)
• Privacy-Preserving and Verifiable Approximate Distributed Coded Computing [2.0415910628419063]
  対戦型分散学習のためのモデルに依存しないフレームワークを提案する。 提案手法は,パラダイム固有の防御機構と,プライバシ向上型符号化コンピューティング技術であるGABACCを組み合わせたものである。 GPBACCとロバストアグリゲーションと検証機構を組み合わせることで,プライバシーの漏洩を著しく低減できることを示す。
  論文  参考訳（メタデータ） (2026-07-02T13:57:32Z)
• From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition [60.17193786245766]
  ABAWコンペティションでは、感情的および行動的理解の重要な側面をターゲットにした、さまざまな課題が紹介されている。 論文のトラックでは、ポーズ、動きと行動の推定、モデリングとマルチモーダル学習、ベンチマーク、データセットと評価プロトコル、公正性、堅牢性とデプロイメントなど、幅広いコントリビューションを提示している。
  論文  参考訳（メタデータ） (2026-05-24T17:44:37Z)
• MORPHEUS: A Multidimensional Framework for Modeling, Measuring, and Mitigating Human Factors in Cybersecurity [4.343339158263096]
  本稿では,人間中心のセキュリティを動的かつ相互に連携するシステムとして運用するMORPHEUSを紹介する。 フィッシング、マルウェア、パスワード管理、設定ミスなど、主要なサイバー脅威に対する感受性に影響を与える50のヒューマンファクタを集約する。 MorPHEUSは99の検証された心理測定器の在庫を通じて理論と実践を結びつけ、経験的評価と標的的介入を可能にした。
  論文  参考訳（メタデータ） (2025-12-20T10:27:37Z)
• Trainee Action Recognition through Interaction Analysis in CCATT Mixed-Reality Training [1.5641818606249476]
  重要なケア航空輸送チームのメンバーは、飛行中に人工呼吸器、IVポンプ、吸引装置を管理することで重傷を負った兵士を安定させなければならない。 シミュレーションとマルチモーダルデータ分析の最近の進歩は、より客観的で包括的なパフォーマンス評価を可能にする。 本研究では, CCATT のメンバーが, エアロメディカル避難の高圧条件を再現する混合現実感シミュレーションを用いて, どのように訓練されているかを検討する。
  論文  参考訳（メタデータ） (2025-09-22T15:19:45Z)
• Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
  本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。 既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-09-05T05:50:00Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)

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。