StepTrigger：针对 VLM 驱动的腿式机器人的接触状态触发后门攻击

大型语言模型和视觉语言模型越来越多地用作机器人系统中的高级规划器，使用任务目标和传感器摘要来选择导航或操纵动作。这会创建一个新的后门表面：受损的规划器可以在大多数运行中正常运行，但在存在隐藏触发器时会更改其目标选择。先前对 LLM 支持或实体代理的攻击主要依赖于出现在语言、摄像机可见对象、场景语义或过去动作的特定序列中的触发器。本文介绍了 StepTrigger，这是一种针对 VLM 驱动的腿式机器人的接触状态触发后门攻击。触发器不是提示标记或可见标记。它是由 Unitree Go1 四足动物走过密集地形时产生的压力和足部接触模式产生的。与传统的视觉或文本触发不同，接触信号本质上是有噪声的，并且也可能在良性运动期间出现。为了避免将每个压力异常视为触发器，StepTrigger 从多模式机器人状态中学习选择性后门策略，使用偶然压力事件作为良性示例，使用密集斑块接触作为有毒示例。在分层离线评估中，训练有素的规划器实现了 98.75% 的干净行为保留、92.50% 的错误触发拒绝、76.25% 的真实触发激活和 89.17% 的整体解析行为准确性。这些结果揭示了本体感受和接触通道中的后门表面，仅关注语言、视觉或动作历史的防御无法捕获该后门表面。