只需攻击首步去噪即可破坏机器人 VLA 模型

Hoseong Tae · hf · 2026-08-06

研究人员提出了 DRIFT（Denoising Redirection via Input perturbation of the Flow-matching Trajectory），一种针对 Flow-matching 视觉-语言-动作（VLA）模型的测试时通用对抗性补丁攻击方法。

研究揭示了此类模型（如 pi0）此前的抗干扰鲁棒性是虚假的。出人意料的是，仅攻击第一个去噪步骤比攻击更宽泛的步骤窗口效果更强且成本更低。在 LIBERO 的四个测试套件中，DRIFT 仅需一个小型单补丁就能破坏 pi0 和 pi0.5 几乎所有原本可解决的任务，表现远超动作空间和嵌入空间攻击基线。