論文の概要: Safe Multi-Robot Collaboration With Uniform Exclusion Using Trust

• arxiv url: http://arxiv.org/abs/2610.28251v1
• Date: Tue, 20 Oct 2026 14:11:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.8406
• Title: Safe Multi-Robot Collaboration With Uniform Exclusion Using Trust
• Title（参考訳）: 信頼を用いた一様排除による安全なマルチロボット協調
• Abstract要約: ロボット通信のラッパーとして機能するアルゴリズムを提案する。 各ロボットの異常検知器から収集された信頼値のストリームをテストすることでリンクを選択する。 ユーザー・チョーセンの確率が高い状態で全リンクを均一に排除するが、しかしながら、すぐに正当なリンクを信頼することを学ぶ。
• 参考スコア（独自算出の注目度）: 5.778496965461421
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot swarms coordinate through directed, time-varying local communication links, some of which may be compromised to allow the transmission of arbitrary malicious data. We provide an algorithm that acts as a wrapper around robot communication---when a robot seeks to update its state using data from some incoming links, our wrapper provides a subset of trusted links whose data can be safely incorporated. It selects these links by testing a stream of trust values---data collected from an anomaly detector on each robot---using Safe Anytime-Valid Inference. We require only that the detector be better than chance. This wrapper ensures safe and performant autonomy by providing two powerful statistical guarantees: it uniformly excludes all compromised links for all time with high user-chosen probability, but nevertheless quickly learns to trust legitimate links. Both guarantees are vital to secure generic tasks, but no previous work provides them simultaneously without restrictive assumptions on connectivity structure or the number of compromised links that are not guaranteed in practice. We study our Safe Wrapper's performance in hardware for two contrasting tasks---neural implicit mapping and heading consensus---deploying on 3 LoCoBots and 8 GoPiGos, respectively. We provide simulations using trust values sampled from hardware to validate that our approach scales well to swarms of hundreds of robots.
• Abstract（参考訳）: ロボット群は、指示された時間変化のあるローカル通信リンクを通じて協調する。 本稿では,ロボットの通信におけるラッパーとして機能するアルゴリズムを提案する。ロボットが受信したリンクからのデータを用いて状態を更新しようとするとき,そのラッパーは,データを安全に組み込むことのできる信頼リンクのサブセットを提供する。このラッパーは,各ロボットの異常検知器から収集したデータを用いて,信頼値のストリームをテストすることによって,これらのリンクを選択する。 我々は検知器が偶然より優れていることだけを要求する。 このラッパーは、2つの強力な統計的保証を提供することによって安全でパフォーマンスの高い自律性を保証する。 どちらの保証もジェネリックなタスクの確保には不可欠だが、実際には保証されていない接続構造や妥協されたリンクの数について制限的な仮定をすることなく、それらを同時に提供する以前の作業はない。 ハードウェア上でのSafe Wrapperの性能を2つの対照的なタスク – ニューラルな暗黙マッピングと方向コンセンサス – で調べ,それぞれ3つのLoCoBotと8つのGoPiGoにデプロイした。 ハードウェアからサンプリングした信頼値を用いてシミュレーションを行い、アプローチが数百のロボットの群れにうまくスケールできることを検証する。

関連論文リスト

• Who to Trust in Multi-Robot Systems: Joint Robot and Object Hypothesis Trust Inference via Neural-Symbolic Cross-Validation [11.849973265211252]
  NeST-Bayesはロボットと仮説の信頼をロボット間の観察一貫性のみで推論するニューラルネットワークのシンボリックフレームワークである。 すべてのベンチマーク設定で、平均オブジェクトの精度とロボットのリコールを達成する。
  論文  参考訳（メタデータ） (2026-10-10T03:41:27Z)
• Robust and leakage-resilient device-independent oblivious transfer in MiniQCrypt [7.379655501370348]
  デバイス非依存型オブリバスト転送(DI)とビットコミットメントプロトコルを構築した。 正直な当事者は 古典的な計算を使って 静的な量子汚職を 処理している OTはセキュアな計算のために完全であるため、構成はDIプロトコルを生成する。
  論文  参考訳（メタデータ） (2026-10-01T10:22:59Z)
• Seeing is Not Believing: Breaking the Physical-to-Digital Trust Boundary in Robotics [20.673284935764887]
  本稿では,ロボット・オペレーティング・システム(ROS)2における深刻な脆弱性を明らかにする。単一環境変数を変更することで,敵が事前に構築したフックを実行し,テレメトリと制御信号の両方を隠蔽して,公開前に注入することができる。 サードパーティのDockerコンテナに広く依存していることを活用することで、攻撃者は悪質なフックに埋め込まれた妥協パッケージを配布して、そのような攻撃を容易に起動することができる。 Secure ROS 2を実行しているFranka Emikaロボットアーム上で、我々の攻撃は3ミリ秒程度のジッタで製造したテレメトリをリアルタイムで注入し、時間同期とハードウェアの整合性を保ちながら、AIに対して87%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-09-08T05:50:58Z)
• Propagating Unsafe Actions in LLM Controlled Multi-Robot Collaboration via Single Robot Compromise [26.689718481370903]
  大規模言語モデル (LLMs) は、インテリジェンスにおける一般的なプランナーとしてますます使われている。 対戦相手が単一のエントリーロボットのみと対話するマルチロボットシステムに対する新たな攻撃パラダイムを提案する。 私たちはこのプロセスを3つのメトリクス、服従、伝染、ステルスネスで定量化します。
  論文  参考訳（メタデータ） (2026-05-15T05:45:52Z)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
  自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。 敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
  論文  参考訳（メタデータ） (2025-10-03T12:47:21Z)
• Perfectly-Private Analog Secure Aggregation in Federated Learning [51.61616734974475]
  連合学習では、複数のパーティがモデルをローカルにトレーニングし、パラメータを中央サーバと共有する。 本稿では,有限場ではなくトーラスを用いた新しいセキュアパラメータアグリゲーション法を提案する。
  論文  参考訳（メタデータ） (2025-09-10T15:22:40Z)
• Lie Detector: Unified Backdoor Detection via Cross-Examination Framework [68.45399098884364]
  半正直な設定で一貫したバックドア検出フレームワークを提案する。 本手法は,SoTAベースラインよりも5.4%,1.6%,11.9%の精度で検出性能が向上する。 特に、マルチモーダルな大規模言語モデルにおいて、バックドアを効果的に検出するのは、これが初めてである。
  論文  参考訳（メタデータ） (2025-03-21T06:12:06Z)

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。