Aishan Liu

収録論文 7本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• RoboSafe: 実行可能な安全ロジックによる身体性エージェントの保護
  安全/身体性エージェント2025/12/1

  VLMベースの身体性エージェントに対し、短期・長期の安全メモリを用いた後方反省推論と前方予測推論を組み合わせ、実行可能な述語ロジックで危険行動を未然に防ぐランタイム安全ガードレールを提案。

• RoboView-Bias: ロボットマニピュレーションにおける身体性エージェントの視覚バイアスのベンチマーク
  マニピュレーション2025/9/1

  ロボット操作エージェントの視覚バイアスを体系的に定量化する初のベンチマークを提案し、カメラ視点や色などの要因が意思決定に与える影響を評価した。

• MetAdv: 自動運転のための統合対話型敵対的テストプラットフォーム
  自動運転テスト2025/8/1

  仮想シミュレーションと実車フィードバックを統合し、動的な敵対的テストを可能にする自動運転向けの対話型評価プラットフォームを提案。

• AGENTSAFE：危険指示に対する身体性エージェントの安全性ベンチマーク
  安全性ベンチマーク2025/6/1

  視覚言語モデルを用いた身体性エージェントが危険な指示を受けた際の安全性を、知覚・計画・実行の各段階で評価するベンチマークSAFEを提案し、9つの最先端モデルで体系的な失敗を明らかにした。

• ロボット崩壊：VLMベースのロボットマニピュレーションに対するサプライチェーン型バックドア攻撃
  マニピュレーション2024/11/1

  VLMベースのロボット操作ポリシーに対し、モデル供給チェーンに悪意あるモジュールを注入するバックドア攻撃フレームワークTrojanRobotを提案し、実世界18タスクと4つのVLMで有効性を検証した。

• BadRobot：物理世界における身体性LLMエージェントの脱獄
  VLA2024/7/1

  音声対話を通じて身体性LLMエージェントに危険な物理行動を実行させる攻撃手法BadRobotを提案し、既存フレームワークでの有効性を実証した。

• On the Guaranteed Almost Equivalence between Imitation Learning from Observation and Demonstration
  2020/10/1