論文の概要: Program-Level Adversarial Co-Adaptive Self-Play for Robotic Security
- arxiv url: http://arxiv.org/abs/2610.36143v1
- Date: Mon, 26 Oct 2026 18:49:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.193233
- Title: Program-Level Adversarial Co-Adaptive Self-Play for Robotic Security
- Title（参考訳）: ロボットセキュリティのためのプログラムレベルアダプティブ・セルフプレイ
- Abstract要約: 符号化エージェントは、実行可能プログラムを改訂することでロボットソフトウェアを適応することができるが、進化する相手に対する応答の成功は、効果を保たないかもしれない。
本稿では,テスト対象のコードとミッションフィードバックから,プログラミングエージェントが攻撃や防御を発生させる,プログラムレベルの逆適応型自己プレイのためのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 5.054973878341135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coding agents can adapt robotic software by revising executable programs, but successful responses to an evolving opponent may not remain effective. We present a framework for program-level adversarial co-adaptive self-play in which coding agents generate attacks and defenses from tested opponent code and mission feedback, without model fine-tuning. Environment-specific interfaces support external programs for autonomous driving and SDK-level defenses for humanoid locomotion. Two eight-generation case studies reveal concrete software responses: a driving defender introduces direct-actuation recovery, while a humanoid defender revises incoming-state validation. These responses provide local task recovery but do not establish sustained robustness. The framework makes such adaptation and limitations observable through executable artifacts and task-level evidence.
- Abstract（参考訳）: 符号化エージェントは実行可能プログラムを改訂することでロボットソフトウェアに適応することができるが、進化する相手に対する応答は有効に保たないかもしれない。
本稿では,プログラミングエージェントがモデル微調整を伴わずに,テスト対象コードからの攻撃や防御,ミッションフィードバックを生成できる,プログラムレベルの逆適応型自己プレイのためのフレームワークを提案する。
環境固有のインターフェースは、自律運転のための外部プログラムと、ヒューマノイドの移動のためのSDKレベルの防御をサポートする。
ドライビングディフェンダーはダイレクトアクティベーションリカバリを導入し、ヒューマノイドディフェンダーはインディーステートバリデーションを改訂する。
これらの応答は、局所的なタスクリカバリを提供するが、持続的な堅牢性を確立しない。
このフレームワークは、実行可能なアーティファクトやタスクレベルのエビデンスを通じて、そのような適応と制限を観測可能にする。
関連論文リスト
- SecODD: Adapting the Operational Design Domain from Driving Autonomy to Autonomous Cyber Defense [7.977343297827125]
セキュリティオペレーションセンターは、実行時に自律サイバーディフェンス(ACD)エージェントに検出、トリアージ、封じ込めを委譲し始めている。
本稿では,自律走行車規制からサイバー自律化へのオペレーショナルデザインドメインの概念の適用を目的とした,ACDの実行時ガバナンスフレームワークSecODDを提案する。
論文 参考訳（メタデータ） (2026-10-17T15:17:08Z) - AutoAgent0: An Agentic Runtime for Safe Closed-Loop Driving [61.924851163300076]
エージェントランタイムとハーネスフレームワークであるAutoAgent0を導入し、既存の運転専門家に補完的な検出スキル、ルールベースのアクション検証、フィードバック駆動リカバリを付加する。
長距離および安全クリティカルシナリオにおけるシングルエキスパート実行に対する閉ループロバスト性の向上を実証した。
論文 参考訳（メタデータ） (2026-10-13T17:59:50Z) - Proactive Physical AI through Continuous Observation and Timely Intervention [67.51229925917208]
ProAgentは2つのコンポーネントを中心に構築されたエンドツーエンドシステムである。
Jevスタイルのプロアクティブタイミングモデルは、介入が必要かどうかを判断する。
Response Modelは、人に対するレスポンスを生成したり、物理的実行のために利用可能なデバイス機能を呼び出す。
論文 参考訳（メタデータ） (2026-10-12T15:33:34Z) - AdROD: HyperNetwork-based Adversarially Robust Object Detection for Autonomous Driving [4.4758385009686945]
カメラベースの物体検出器は、検出を抑制するために設計された物理的敵攻撃に対して脆弱である。
本稿では,自律運転のための組込み型アンサンブル防御ソフトウェアAdRODを提案する。
論文 参考訳（メタデータ） (2026-08-17T02:52:01Z) - Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
この介入点付近で成長した保護パラダイムについて検討する。
ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。
我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
論文 参考訳（メタデータ） (2026-08-05T00:46:50Z) - CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation [68.53387633351484]
有害な行為に対する統計的保証を提供するポスト・ポリティクス・プレアクション保護フレームワークであるCORA(Conformal Risk-control GUI Agent)を提案する。
CORAは、安全を選択的行動実行として再定義する:我々は、提案されたステップごとに行動条件リスクを推定するためにガーディアンモデルを訓練する。
このパラダイムを厳格に評価するために、ステップレベルのハーモラベルを持つモバイル安全違反の新しいベンチマークであるPhone-Harmを紹介する。
論文 参考訳（メタデータ） (2026-04-10T09:41:21Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - CHIP: Adaptive Compliance for Humanoid Control through Hindsight Perturbation [70.5382178207975]
hIsight Perturbation (CHIP)は、制御可能なエンドエフェクタ剛性を実現するプラグイン・アンド・プレイモジュールである。
CHIPの実装は簡単で、データ拡張も追加の報酬チューニングも必要ありません。
そこで本研究では,CHIPでトレーニングした汎用モーショントラッキングコントローラが,多種多様な操作タスクを実行できることを示す。
論文 参考訳（メタデータ） (2025-12-16T18:56:04Z) - D4+: Emergent Adversarial Driving Maneuvers with Approximate Functional Optimization [3.763470738887407]
我々は、自動運転車と相互作用する悪意のあるドライバーの影響を特定するために、形式的な手法でシナリオベースのフレームワークを実装した。
われわれの結果は、悪質なドライバーが現代の車両の自律的機能を利用するのを防ぐ安全な運転行動の範囲をデザイナーが特定するのに役立つ。
論文 参考訳（メタデータ） (2025-05-20T05:22:03Z) - Steering Away from Harm: An Adaptive Approach to Defending Vision Language Model Against Jailbreaks [16.508109544083496]
視覚言語モデル(VLM)は、敵の攻撃にさらされると意図しない有害なコンテンツを生成できる。
既存の防御(例えば、入力前処理、敵の訓練、応答評価に基づく手法)は、実世界の展開には実用的ではないことが多い。
本稿では,VLM攻撃に対する対向的特徴方向からモデルを誘導し,効果的かつ効果的な防御法であるASTRAを提案する。
論文 参考訳（メタデータ） (2024-11-23T02:17:17Z)
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。