2026年5月21日にarXivで公開された論文「PIMbot: A Self-Adaptive Attack Framework for Adversarial Manipulation of Multi-Robot Reinforcement Learning」は、Zexin Liら4名の著者による研究成果である。この論文は、マルチロボット強化学習における社会的ジレンマに焦点を当てている。社会的ジレンマとは、ロボットが自己利益と集団利益の間でトレードオフに直面する状況を指す。最近の研究では、強化学習がマルチロボット協調を効果的に促進できることが示されているが、誤通信や敵対的ロボットなどの環境要因が協調を妨げる可能性がある。そのため、マルチロボット通信を操作して異なる結果を達成する方法を探ることが重要である。
論文では、PIMbotフレームワークを提案している。このフレームワークは、2つの相補的なレバーを通じて結果を操作する。第一に、報酬チャネルのインセンティブ操作、第二に、エージェント自身の行動のポリシー操作である。適応型多目的コントローラがこれらのレバーをオンラインでバランスさせる。この研究は、インセンティブ付与のために独自の報酬関数を利用する最近のマルチエージェント強化学習の社会的ジレンマにおける新しい操作アプローチを導入している。PIMbotメカニズムを利用することで、ロボットは社会的ジレンマ環境を効果的に操作できる。
実験では、Gazeboでシミュレートされたマルチロボット環境において、提案手法の有効性が包括的に示された。さらに、NVIDIA Jetson Orin Nano上の実際の組み込みデバイスを用いたケーススタディにより、システムコストを定量化し、シミュレーションを超えた現実の自律組み込みシステムシナリオでのPIMbotの有効性を検証した。これらの結果は、PIMbotがマルチロボット協調タスクにおける重大な脆弱性を露呈する厳格なストレステストツールであることを示している。
なお、この論文はIROS'23論文の拡張版であり、ロボティクス（cs.RO）分野に属する。PIMbotの登場は、マルチロボット強化学習システムを展開する際に敵対的操作のリスクを考慮する必要があることを研究者に喚起し、より堅牢な協調メカニズムの設計のためのテスト手段を提供するものである。