HazardArena：面向 VLA 模型的语义安全评测基准

研究者提出 HazardArena，一个用于压力测试视觉-语言-动作（VLA）模型语义安全的基准。其核心设计是安全与不安全孪生场景：成对环境的物体、布局和动作要求相同，但语义风险语境不同，从而把安全判断与动作能力分离开来，直接检验 VLA 能否识别原本有效的动作何时变得危险。基准包含 2000 多个资产和 51 项风险敏感任务，覆盖基于机器人安全标准的七个安全类别。在四个代表性 VLA 骨干模型上，仅用安全数据微调会提升良性任务成功率，同时也提高在匹配不安全场景中的危险执行率；物理世界实验确认这一失效可迁移到仿真之外。作者据此认为更强的动作执行能力并不代表更安全的行为，语义风险感知的评估与执行应成为真实部署的一等要求。