What LLM vulnerabilities mean for robots

Failure-First 团队测量了 124 个模型、18,345 条对抗提示，梳理出三类可迁移到机器人部署的攻击向量，并强调这些结果均为纯文本测量。供应链注入把对抗指令嵌入工具定义与技能文件，在 1.5–3.8B 参数规模的六个开源权重模型上攻击成功率 90–100%；格式锁定把有害请求包装成 JSON、YAML 或代码格式化任务，对 Claude、Codex、Gemini 三个前沿模型的成功率为 24–42%；多轮升级对推理模型成功率 80–90%，对小模型约 10%。团队另设计了 31 个 VLA 对抗场景、归入 7 个攻击族，但尚未在 VLA 模型上运行，并指出 IEC 61508 等功能安全标准未覆盖提示注入等语义失效模式。