跳到正文
arXiv · 机器人与计算机视觉· Ethan Rathbun, Ahmed Agha, Saaduddin Mahmud, Christopher Amato, Alina Oprea, Eugene Bagdasarian·· 2026-10-08AI 评分75

针对世界模型的机器人学习流水线投毒研究

Targeting World Models to Compromise Robot Learning Pipelines

AI 导读

该论文演示了世界模型作为机器人学习供应链中独特的数据投毒入口,能够以隐蔽方式导致部署不安全或受损的机器人策略。与传统直接植入危险轨迹不同,该方法向遥操作数据集注入恶意提示词或破坏状态转移动力学,仅在通过世界模型处理后激活,从而生成危险的合成训练轨迹。

来源:arXiv · 机器人与计算机视觉 · arxiv.org