跳到正文
arXiv · AI· Ethan Rathbun, Ahmed Agha, Saaduddin Mahmud, Christopher Amato, Alina Oprea, Eugene Bagdasarian·· 2026-10-08AI 评分38

世界模型向机器人学习流水线注入后门攻击

Targeting World Models to Compromise Robot Learning Pipelines

AI 导读

研究证明世界模型为机器人学习供应链引入隐蔽数据投毒入口。 攻击者通过向安全的遥操作数据集注入恶意提示或破坏性过渡动力学,经世界模型生成危险轨迹,导致下游策略失效。该方法在VLA场景实现端到端后门验证,凸显世界模型安全性研究必要性。

来源:arXiv · AI · arxiv.org