VLA-Hijack：基于视觉关节定位劫持的面向视觉-语言-动作模型的可迁移补丁攻击
计算机视觉与模式识别
2026-05-28 v1
摘要
虽然视觉-语言-动作 (VLA) 模型已涌现出作为强大通用策略的作用，但其对对抗性补丁的严重脆弱性显著阻碍了其在安全关键领域的部署。此外，现有补丁攻击主要聚焦于白盒设置，严重依赖于针对目标模型特定动作输出空间的优化，导致跨架构迁移性差。为突破这一限制，我们提出VLA-Hijack，一个统一的对抗框架，通过利用视觉关节定位劫持的根本漏洞来打破迁移瓶颈：在规划任何运动之前，VLA模型必须首先使用视觉信息定位自身机器人机臂在环境中的位置。我们的 approach 同时优化 Attention-Guided Proprioceptive Suppression 以抑制真实机器人机臂的特征，以及 Multimodal Proprioceptive Injection 以将补丁建立为 surrogate "幽灵化身"。通过在语义概念锚定与视觉原型投影之间交替，VLA-Hijack 有效地切断了 agent 真实化身与其控制策略之间的语义关系。广泛实验表明，VLA-Hijack 在白盒设置下实现优化效率优势，并在跨架构和跨域黑盒迁移性方面达到新的SOTA。
关键词
引用
@article{arxiv.2605.28083,
title = {VLA-Hijack: A Transferable Patch Attack against Vision-Language-Action Models via Visual Proprioception Hijacking},
author = {Jiyuan Fu and Kaixun Jiang and Jingkai Jia and Zhaoyu Chen and Xueyao Chen and Lingyi Hong and Shuyong Gao and Chenzhi Tan and Dingkang Yang and Wenqiang Zhang},
journal= {arXiv preprint arXiv:2605.28083},
year = {2026}
}