近日，一篇题为《PIMbot: A Self-Adaptive Attack Framework for Adversarial Manipulation of Multi-Robot Reinforcement Learning》的论文提交至 arXiv，编号为 arXiv:2605.23027v1，属于机器人学（cs.RO）分类，提交时间为 2026 年 5 月 21 日 20:50:47 UTC。论文作者为 Zexin Li 等共四人，作者在备注中说明该工作是 IROS'23 论文的扩展版本。研究聚焦于多机器人强化学习中的社会困境问题，并提出了一套名为 PIMbot 的自适应攻击框架，用于对多机器人协作系统进行对抗性操纵。
论文指出，近期研究表明强化学习在多机器人协作中具有良好潜力，尤其是在社会困境场景下，机器人需要在自身利益与集体收益之间进行权衡。然而，通信失误以及对抗性机器人等环境因素会影响合作效果，因此有必要研究如何通过操纵多机器人之间的通信来达成不同结果。基于这一背景，作者设计了一个能够主动干预社会困境环境的机器人攻击框架。
PIMbot 的核心在于两种互补的操纵手段。第一种是奖励通道上的激励操纵，即通过影响奖励信号来改变其他智能体的行为倾向；第二种是对智能体自身动作的策略操纵。为了让这两类手段协同发挥作用，框架内置了一个自适应多目标控制器，能够在运行过程中在线平衡两种操纵杠杆，从而根据环境反馈动态调整攻击策略。作者强调，这是针对采用独特奖励函数进行激励设计的多智能体强化学习社会困境场景所提出的一种新型操纵方法。
在实验方面，论文报告了在 Gazebo 仿真的多机器人环境中进行的大量实验结果，验证了所提方法能够有效操纵社会困境环境。除仿真之外，作者还开展了基于 NVIDIA Jetson Orin Nano 的真实嵌入式设备案例研究，对系统开销进行了量化，并在仿真之外的现实自主嵌入式系统场景中验证了 PIMbot 的有效性。这些结果共同表明，PIMbot 可作为一款严谨的压力测试工具，用于暴露多机器人协作任务中的关键脆弱性。
从安全与鲁棒性角度看，该工作的价值在于将对抗性操纵从单一智能体扩展到多机器人协作与社会困境场景。通过同时操纵奖励通道和智能体策略，PIMbot 展示了协作系统可能在激励层面与行为层面同时受到干扰。作者将这一框架定位为压力测试工具，而非单纯的攻击演示，这意味着其目标在于帮助研究者和工程师识别多机器人强化学习系统在通信与激励结构上的薄弱环节，为后续设计更具鲁棒性的协作机制提供参考。
需要指出的是，论文的实证范围主要集中在 Gazebo 仿真环境以及基于 NVIDIA Jetson Orin Nano 的嵌入式设备案例研究，尚未涉及大规模真实多机器人部署。此外，该工作为 IROS'23 论文的扩展版本，其方法建立在已有的社会困境与多智能体强化学习研究基础之上。论文以 arXiv 预印本形式发布，DOI 通过 DataCite 发放且仍在注册中，全文可通过 PDF、实验性 HTML 以及 TeX 源码等形式获取。总体而言，PIMbot 为多机器人协作安全研究提供了一个可复现、可量化的对抗性评估框架，并强调了在真实嵌入式平台上评估此类威胁的成本与可行性。