论文证明黑盒对抗补丁可借祖先VLM攻击已部署的视觉语言动作模型

该研究提出一种无需白盒访问或代理模型的攻击方法，利用祖先视觉语言模型（VLM）生成对抗补丁，成功干扰已部署的视觉语言动作模型（VLA）的任务成功率。实验表明，在模拟和真实静态图像上，针对祖先VLM优化的补丁会导致VLA任务表现显著下降，证实了VLA在继承基础能力的同时也继承了其对抗脆弱性。

攻击效果存在明显的边界条件：在需要精确指令定位的任务中，这种继承效应最强；而在那些微调过程重写了共享视觉语义表示，或动作头能迭代平滑掉扰动的策略中，攻击效果几乎消失。作者设计了三种具体的对抗补丁攻击，分别针对视觉感知、指令接地语义证据以及两者的联合目标，通过两阶段课程学习优化补丁。

事实层面，该论文验证了VLA与祖先VLM之间的对抗漏洞继承关系及其失效场景。推断层面，这意味着当前基于VLA的物理系统若未针对此类跨模型攻击进行专门防御，可能在现实环境中面临比预期更高的安全风险。猜测层面，未来VLA的安全评估可能需要将祖先模型的鲁棒性测试纳入标准流程，但这取决于具体架构是否保留了原始视觉-语义表示。