论文页面 - DRIFT：通过对抗性补丁攻击使流匹配VLA的去噪轨迹偏离

来源: https://huggingface.co/papers/2608.03207

摘要

流匹配视觉-语言-动作（VLA）模型（如pi0）通过积分学习到的去噪速度场来生成机器人动作，并且据报道能够抵抗那些轻易欺骗自回归VLA的对抗性扰动。我们证明这种鲁棒性在很大程度上是虚幻的：它源于先前的攻击忽略了多步去噪ODE。我们提出了DRIFT（Denoising Redirection via Input perturbation of the Flow-matching Trajectory），这是一种测试时通用对抗性补丁，放置在机器人夹爪上，攻击现成策略的去噪速度场。我们的核心发现是反直觉的：仅攻击第一步去噪比攻击更宽的时间步窗口既更强又更廉价，我们通过输入空间优化所特有的梯度冲突来解释这一点，并且这与训练时后门机制完全相反。在四个LIBERO套件中的pi0和pi0.5上，DRIFT用一个单个小补丁就破坏了几乎所有原本可解决的任务，远超动作空间和嵌入空间的攻击基线。

查看arXiv页面 (https://arxiv.org/abs/2608.03207) 查看PDF (https://arxiv.org/pdf/2608.03207) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.03207)

在您的agent中获取此论文：

hf papers read 2608\.03207

还没有最新的CLI？curl \-LsSf https://hf.co/cli/install\.sh \| bash

引用此论文的模型

0

没有模型链接此论文

在模型的README.md中引用arxiv.org/abs/2608.03207，即可从此页面链接到该模型。

引用此论文的数据集

0

没有数据集链接此论文

在数据集的README.md中引用arxiv.org/abs/2608.03207，即可从此页面链接到该数据集。

引用此论文的Spaces

0

没有Space链接此论文

在Space的README.md中引用arxiv.org/abs/2608.03207，即可从此页面链接到该Space。

包含此论文的收藏集

0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面链接到该论文。