arXiv · cs.AI· Ethan Rathbun, Ahmed Agha, Saaduddin Mahmud, Christopher Amato, Alina Oprea, Eugene Bagdasarian·· 1 天前
利用世界模型攻击机器人学习流水线
Targeting World Models to Compromise Robot Learning Pipelines
arXiv:2606.09499v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ethan Rathbun, Ahmed Agha, Saaduddin Mahmud, Christopher Amato, Alina Oprea, Eugene Bagdasarian
研究任务与主要进展
该论文提出针对世界模型的新型数据投毒攻击，可将恶意提示或受污染的转移动态注入看似安全的遥操作数据，并在世界模型生成训练轨迹后影响机器人策略。摘要称，攻击已针对动作条件和文本条件世界模型进行测试，在下游深度强化学习策略上实现了端到端后门，并给出了视觉语言动作场景的概念验证。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org