跳到正文
原文

RefCloth:面向视觉-语言-动作模型的可迁移对抗桌布

RefCloth: Transferable Adversarial Tablecloths for Vision-Language-Action Models

arXiv:其他 AI 安全论文· arXiv:2611.22736· Shaozhen Liu, Zhiwei Li, Jiayang Sun, Shuangjun Du, Yi Zhong, Shenrui Ma, Yaozu Liu, Qi Li, Zhenan Sun·本站收录· 2 天前· 原文发表日期未标攻击· 扫描记录里的位置 →
AI 导读

研究者提出 RefCloth 框架,在冻结的源策略上优化一张持久对抗桌布攻击视觉-语言-动作(VLA)模型,无需改动任务物体或相机即可零样本部署到未见任务和目标模型。方法结合有界纹理参数化、共享表面 UV 变换和同路径干净参照,以弥合可微与原生渲染器之间的差距,使桌布在静态第三人称和移动腕部双视角的遮挡变化下保持攻击效果。在 LIBERO 四个任务套件的原生仿真中,同一张冻结纹理从 OpenVLA-OFT 迁移到 π0 和 π0.5,相比未优化桌布平均使成功率分别下降 62.50 和 43.75 个百分点,远超振幅与变化匹配的随机对照。双视角审计与闭环相机干预显示,移动腕部视角造成的下降超过主视角单独作用的两倍且协同效应强,消融实验确认了 UV 多样化与路径校准的作用。

阅读原文arxiv.org