利用漏洞：对机器人视觉-语言-动作模型的普遍对抗性攻击

最近，视觉-语言-动作（VLA）模型通过在端到端学习框架中无缝集成视觉感知、语言理解和动作生成，彻底改变了机器人操作。然而，由于这些模型被设计为直接与物理世界和人类交互，因此它们的安全性至关重要，即使是很小的漏洞也可能导致灾难性的故障。在这项工作中，我们提出了通用对抗对象，这是一个具有优化表面纹理的球体，当放置在机器人的视野内时，它会显着降低任务的成功率。具体来说，我们的方法引入了一个多级攻击框架，该框架共同破坏轨迹规划、任务执行和动作控制。我们在模拟和现实世界的机器人设置中验证了我们的方法。实验结果表明，对抗对象使两个代表性 VLA 模型（Pi0 和 RDT）的平均任务成功率降低了 31.2%-39.9%，在复杂场景下成功率降至接近于零。索引术语--视觉-语言-动作模型、对抗攻击、机器人安全、通用对抗对象