CVPR 2026@AdvML Workshop 挑战赛技术报告：针对自动驾驶 VLA 的对抗多模态攻击

这份技术报告总结了 CVPR 2026@AdvML Workshop 举办的对抗多模态攻击挑战赛，赛事针对用于解读驾驶场景的视觉语言智能体（VLA）。比赛基于 DriveLM 风格的多视角视觉问答，每个场景由六路同步相机图像和一组结构化驾驶问答对构成，参赛者需生成对抗图像和仅后缀的文本扰动，使模型回答偏离参考答案，同时保持图像保真并限制文本开销。赛程分两阶段，第二阶段加入隐藏黑盒模型以评估迁移性。报告介绍了任务设计、提交规则、评测协议与排行榜结果，并分析了五份可获取技术报告的领先方案，归纳出若干共性做法：后缀惩罚使图像侧攻击更受青睐；场景级多视角联合优化优于逐个视角单独处理；问答类型与图结构可为攻击预算分配提供先验；特征空间目标能提升黑盒迁移；相机图像中嵌入的文字内容暴露出驾驶 VLA 的一处持续弱点。