arXiv cs.AI· Yukiya Horiba, Koshiro Aoki, Shunsuke Yasuki, Bum Jun Kim, Taiki Miyanishi·· 10 小时前AI 评分27
Detect and Suppress：针对 VLA 模型对抗补丁的机制性防御
Detect and Suppress: A Mechanistic Defense against Adversarial Patches in VLA Models
AI 导读
研究者用稀疏自编码器（SAE）分析 VLA 模型内部表征，找到一个激活与对抗补丁存在强相关的特征，并仅在线性探针检测到攻击时于推理阶段抑制该特征，无需微调即可提升鲁棒性。在 LIBERO-10 上的对抗补丁攻击测试中，条件式干预提升了间歇性攻击下的成功率，而持续施加同一干预会显著降低策略性能。
正文 · AI 翻译
摘要：对抗性补丁可以通过操纵视觉观察来干扰视觉-语言-动作（VLA）模型，导致机器人控制失败。然而，这些失败背后的内部机制以及有针对性的干预如何缓解这些失败，目前仍知之甚少。在这项工作中，我们使用稀疏自编码器（SAE）对 VLA 表征进行机制分析，并识别出一个激活与对抗性补丁的存在强烈相关的特征。基于这一分析，我们仅在线性探针检测到攻击时，在推理阶段抑制所识别出的特征。这种干预提高了鲁棒性，而无需对 VLA 进行微调。我们在 LIBERO-10 上针对 VLA 对抗性补丁攻击评估了我们的方法。条件干预提高了间歇性攻击下的成功率，而持续应用相同的干预则会大幅降低策略性能。这些结果表明，与攻击相关的内部表征可以为 VLA 对抗防御提供有用的目标，并且控制干预时机对于限制对正常策略行为的干扰非常重要。
| 评论： | CoRL 2026 物理 AI 安全科学研讨会 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.03498 [cs.RO] |
| （或使用 arXiv:2610.03498v2 [cs.RO] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.03498 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yukiya Horiba [查看电子邮件]
[v1]
2026年10月2日星期五 15:57:04 UTC（845 KB）
[v2]
2026年10月30日星期五 13:17:07 UTC（845 KB）
来源：arXiv cs.AI · arxiv.org