本研究では、ビジョンと言語のナビゲーション（VLN）エージェントのロバスト性に焦点を当て、屋内照明を利用した敵対的攻撃手法を提案しています。従来の敵対的評価は、日常生活ではあまり遭遇しない異常なテクスチャに依存していましたが、我々は屋内環境において重要な要素である照明に着目しました。具体的には、静的屋内照明ベースの攻撃（SILA）と動的屋内照明ベースの攻撃（DILA）の2つの攻撃モードを設計し、これを用いてVLNモデルの評価を行いました。実験の結果、屋内照明の変化によってVLNエージェントの失敗率が有意に増加し、軌跡効率が低下することが明らかになりました。これにより、VLNエージェントの新たな脆弱性が認識されることになりました。