家用机器人强化学习中的隐私风险

具身人工智能（AI）的显著性——其赋予机器人在虚拟环境中导航、感知和交互的能力——因计算机视觉和大语言模型的显著进展而吸引了大量关注。隐私在具身AI领域中成为关键关切，因为机器人访问大量个人信息。然而，具身AI任务中的隐私泄露问题，特别是关于强化学习算法的，尚未在研究界得到充分考量。本文旨在通过提出一种针对基于值的算法和基于梯度的算法训练过程的攻击来填补此空白，利用梯度反演来重建状态、动作和监督信号。选择使用梯度进行攻击的动机在于：常用的联邦学习技术仅利用基于私有用户数据计算的梯度来优化模型，而不将数据存储或传输至公共服务器。然而，这些梯度包含足以潜在暴露私有数据的信息。为验证我们的方法，我们在AI2THOR模拟器上进行了实验，并在具身AI中普遍存在的主动感知任务上评估了我们的算法。实验结果证明了我们的方法在120个房间布局中成功重建所有信息的有效性。请访问我们的网站观看视频。