打破规划器完整性边界：针对 LLM 驱动具身智能体的环境状态文本注入攻击
Breaking Planner Integrity Boundary: Enviroment State-Text Injection Attack on LLM-Driven Embodied Agents
AI 导读
研究者提出环境状态文本注入攻击 ESTI，在不改动原始用户指令、模型参数和执行器的前提下，用伪造的环境状态文本影响 LLM 驱动具身智能体的规划与执行。作者同时构建 ESTI-Bench，用于评估攻击在规划到执行闭环中的传播，并在 ProgPrompt/VirtualHome、VoxPoser/RLBench 和 AI2-THOR/iTHOR 三个平台上与 Vanilla IPI、EIRAD、BADROBOT 对比。结果显示，ESTI 在规划级和执行级的攻击成功率最高分别比基线提升 89.32% 和 43.69%。作者分析认为，实体接地、一致性与可执行性共同决定伪造的状态证据能否穿过具身闭环并产生可验证的环境变化。