跳到正文
arXiv · 机器人与计算机视觉· Hoseong Tae, Jong-Seok Lee·· 2026-10-12精选AI 评分82

DRIFT:利用对抗补丁破坏流匹配 VLA 的去噪轨迹

DRIFT: Derailing Denoising Trajectories of Flow-Matching VLAs with Adversarial Patch Attack

AI 导读

论文指出流匹配视觉语言动作(VLA)模型如 pi0 声称的抗干扰能力存在幻觉,源于以往攻击忽略了多步去噪常微分方程。作者提出 DRIFT 方法,通过在机器人夹爪上放置单个通用对抗补丁,仅攻击第一个去噪步骤即可破坏任务求解率。实验在四个 LIBERO 套件上的 pi0 和 pi0.5 模型验证了该方法的有效性,其效果远超动作空间和嵌入空间的攻击基线。

推荐理由

该工作揭示了流匹配 VLA 模型在去噪轨迹上的脆弱性,提出了一种仅需攻击首个去噪步骤的通用对抗补丁方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org