可远程检测的机器人策略水印

机器学习在真实世界机器人系统中的成功创造了一种新的知识产权：训练好的策略。这引发了对验证所有权和检测未经授权、可能不安全的误用的新方法的迫切需求。虽然水印在其他领域已确立地位，但物理策略面临一个独特挑战：远程检测。现有方法假设可以访问机器人的内部状态，但审计者通常仅限于外部观测（例如视频片段）。这一"物理观测缺口"意味着水印必须从噪声、异步且被未知系统动力学过滤的信号中检测。我们使用"瞥视序列"的概念形式化了这一挑战，并引入了 Colored Noise Coherency（CoNoCo），这是首个为远程检测设计的水印策略。CoNoCo 利用策略固有的随机性，将频谱信号嵌入机器人的运动中。为了证明它不会降低性能，我们证明 CoNoCo 保持了边际动作分布。我们的实验展示了在多种远程模态（包括运动捕捉和侧视/俯视视频片段）中强大且鲁棒的检测能力，涵盖模拟和真实机器人实验。本工作为保护机器人领域的知识产权提供了必要一步，提供了首个仅使用纯远程观测来非侵入性地验证物理策略来源的方法。