본 연구는 로봇 위치 추정 시스템의 보안 취약점을 분석합니다. 딥러닝 기반 시스템은 적대적 공격에 취약하여 오작동을 일으킬 수 있습니다. 연구진은 Product Quantization (PQ) 시스템을 속이는 새로운 프레임워크를 제안했습니다. Lightweight Product Quantization Network (LPQN)을 활용하여 쿼리 피처 인코딩을 조작하여 잘못된 데이터베이스 항목을 반환합니다.
LPQN은 미묘하지만 효과적인 조작을 생성하며, 계산 비용이 적습니다. 실험 결과, 제안하는 방법은 실제 환경에서 PQN 성능을 저하시키는 것을 확인했습니다. 본 연구는 로봇 위치 추정 시스템의 보안 취약점을 드러내고, 안전한 로봇 시스템 개발에 기여할 것입니다.
연구진은 로봇 위치 추정 시스템의 적대적 공격 가능성을 보여주고, 관련 연구에 필요한 기반을 제공합니다.