VLA 模型解剖综述：从模块到里程碑与挑战
[Daily Paper] An Anatomy of Vision-Language-Action Models: From Modules to Milestones and Challenges
AI 导读
《VLA 模型解剖》综述把 VLA 研究归纳为表示、执行、泛化、安全、数据集与评测五大相互关联的挑战，并把安全列为支柱之一而非附录。综述指出 VLA 从视觉编码器继承对抗脆弱性，物理世界扰动即可令机器人操作任务失败率最高达 100%，多模态融合还引入了跨模态错位攻击面。作者认为当前基准只测任务完成率、不衡量安全相关行为，呼吁发展 IS-Bench、SafeAgentBench 等安全感知基准。