家庭用ロボットは、プライベートな住居内で物体の認識や移動計画を行うために、非常にリッチな知覚情報に依存している。しかし、Yuqiao Xu氏らがarXivに提出した論文（arXiv:2609.03055、分野はロボティクス cs.RO と暗号・セキュリティ cs.CR）は、生のセンサーデータがローカルに保持されている場合でも、プライバシー保護が自動的に保証されるわけではないと警告する。下流のプランナー、クラウドサービス、ログ、学習パイプラインへ渡す構造化表現には、家の中の意味情報・幾何情報・空間構造・タスクターゲットなどが含まれ、それらが攻撃者による住宅状況の推定に利用される可能性がある。
この問題に対処するため、研究チームはタスク機能認識蒸留（Task-Functional Perception Distillation、TFPD）を提案した。TFPDは、リッチな知覚表現をデバイス内に保持し、タスクの実用性・直接的な露出・複数の残差推論リスクに基づいて下流エクスポートを分析する、タスク限定の表現エクスポートフレームワークである。単純な抽象化や匿名化が万能でないことを前提に、実際のロボットワークロードであるナビゲーション、衝突チェック、オブジェクトゴール実行を対象に設計されている。
評価は120のAI2-THORシーンを用いて実施された。シーンが重複しない訓練/検証/テスト分割、凍結された攻撃者選択、表現を意識したホールドアウト攻撃を採用することで、より現実的な脅威モデルを再現している。その結果、3種類のナビゲーションエクスポートは、成功率がすべて1.000、平均経路比が0.898で完全に一致した。ところが、表現レベルでのリンカビリティは0.532から0.970まで大きく乖離した。タスク性能が同一でも、プライバシーリスクの大きさは表現ごとに異なることを示す重要な発見である。
さらに、一般的な防御手法の限界も検証された。明示的な目標ラベルを目標領域に置き換えると、目標カテゴリのmacro-F1は1.000から0.077へ下落する一方、タスク成功率は0.995を維持した。また、幾何表現の粗視化では、オブジェクトカテゴリのmacro-F1が0.704から0.556へ低下し、その代償として衝突ユーティリティの低下も観測された。つまり、一部の情報を削除したり、空間表現を簡略化したりするだけでは、安全なプライバシー順序が得られるわけではない。
研究チームは、ProcTHOR環境でも再現実験を実施し、ナビゲーションタスクにおける「タスク等価性とプライバシー非等価性」という中心的な結論が維持されることを確認した。しかし、正規化表現とトポロジカル表現の相対的なリスク順位は再現環境によって変化した。この結果は、普遍的なプライバシー順序が存在せず、公開する表現全体を対象に、タスク固有かつ複数のリスク尺度を用いた評価が不可欠であることを強く示唆している。本論文は2026年9月2日に提出され、arXiv:2609.03055として公開されている。DOIはDataCite経由で登録予定であり、カテゴリはロボティクス（cs.RO）と暗号およびセキュリティ（cs.CR）にまたがる。