マルチエージェント同時位置推定とマッピング（SLAM）および協調SLAM（CSLAM）は、ロボット工学における重要な技術であり、捜索救助、環境モニタリング、自動運転などの分野で広く応用されている。CSLAMでは、ロボット（エージェント）がループ閉鎖（ILC）を検出するためにグローバル記述子（GD）を継続的に交換し、これにより地図の統合と位置推定の精度向上を実現する。しかし、従来の暗号化通信は外部からの盗聴を防ぐものの、内部の不正エージェントに対する保護は提供しない。本研究では、この脅威が現実的であることを示すため、攻撃者に制御されたエージェントが他の正常なエージェントがブロードキャストするGDから、その視覚画像や移動軌跡の近似を再構築できることを実証した。研究チームは具体的な実験を通じて、不正エージェントが公開されたGDを利用し、単純な機械学習モデルを組み合わせることで、正常エージェントが観測したシーン画像やその移動経路を再現できることを示し、深刻なプライバシー漏洩のリスクを明らかにした。
この脆弱性に対処するため、マサチューセッツ工科大学（MIT）などの研究機関は、CILC（暗号学的に安全なエージェント間ループ閉鎖候補検出）システムを提案した。これは、セキュアマルチパーティ計算（SMPC）を活用して、GDを平文で交換することなくILC候補を検出する初めてのシステムである。SMPCは、複数の参加者が各自の入力を秘密にしたまま共通の関数を計算できる暗号プロトコルである。CILCの重要な革新は、SMPCをILC候補検出（すなわちGD類似度比較）というプライバシーに敏感だが計算負荷の軽いステップにのみ適用し、CSLAMパイプライン全体を保護するのではなく選択的に暗号化することで、プライバシー保護と計算オーバーヘッドの有利なトレードオフを実現した点にある。具体的には、エージェント間でSMPCを用いてGDの類似性を暗号化比較し、最終的な候補結果のみが公開されるため、個々のGD自体は常に暗号化された状態が保たれる。
研究チームは、シミュレーションと実ロボットハードウェアプラットフォームの両方で包括的な検証を実施した。実験では、視覚およびLiDARという2つのモダリティのGDを使用し、CILCの性能をさまざまなシナリオでテストした。結果は、CILCがリアルタイム性と通信の実現可能性を維持しながら、不正エージェントへの情報漏洩リスクを効果的に軽減できることを示した。具体的には、CILCの暗号化比較プロセスはわずかミリ秒単位の遅延しか追加せず、通信帯域幅のオーバーヘッドも許容範囲内に収まった。例えば、視覚GD実験ではCILCの追加処理時間は約10～20ミリ秒であり、LiDAR GD実験ではさらに小さな遅延であった。また、CILCの通信オーバーヘッドは平文交換と比較して約30%の増加にとどまり、マルチロボットシステムでも実用的である。この研究は、協調SLAMにおけるプライバシー保護の新たな方向性を示すものであり、今後はドローンチームや倉庫物流など、より多くのマルチロボット協調タスクへの応用が期待される。
本論文は2026年7月7日にarXivに提出され、著者はAndrew Fishbergを含む3名で、ロボティクス（cs.RO）分野に属する。関連するコードとデータはオープンソース化される予定であり、コミュニティのさらなる研究を促進することが期待される。