近年,深層ニューラルネットワーク（Deep Neural Network: DNN）の進歩により単眼深度推定の性能は大幅に改善されており,実応用への期待が高まっている.一方でDNNは,入力画像に微小な摂動が加わることで誤分類を引き起こす敵対的攻撃の危険性が明らかにされており,単眼深度推定用のＤＮＮにも同様の脆弱性が懸念されている.シミュレーション上で,最適化により敵対的攻撃を行うことで脆弱性を発見する手法が提案されているものの,実環境における外乱を考慮できない問題があった.本研究では実環境上で最適化を行うことで,実環境の外乱に対しても頑健な敵対的事例を生成する方式を提案する.