具象化导航的安全性：综述

随着大型语言模型 (LLM) 的不断进步和影响力提升，具象化 AI 的开发也加速，尤其在导航场景中引起广泛关注。具象化导航要求智能体在陌生环境中感知、与之交互并适应，以到达指定目标。然而，将具象化导航集成到关键应用中提出了重大的安全问题。鉴于其在动态真实环境中的部署，确保此类系统的安全性至关重要。本综述从多个角度全面分析了具象化导航的安全问题，涵盖攻击策略、防御机制和评估方法论。除了全面审视现有安全挑战、缓解技术以及各种数据集和指标以评估效果和鲁棒性外，我们还探讨了具象化导航安全的未解决问题和未来研究方向，包括潜在攻击方法、缓解策略、更可靠的评估技术以及验证框架的实现。通过解决这些关键性空白，本综述旨在为未来研究提供有价值的见解，以指导开发更安全、更可靠的具象化导航系统。此外，本研究的发现对增强社会安全和提高产业效率具有更广泛的意义。