ARB4WM：面向连续控制中世界模型的对抗鲁棒性基准

arXiv 2026 67.3 benchmark

TLDR

一个用于评估连续控制中世界模型对抗鲁棒性的统一基准，测试对策略、价值和潜在动态的攻击。

评分理由

The paper introduces ARB4WM, a comprehensive framework for assessing adversarial threats across multiple levels of world-model agents, addressing a clear gap in existing evaluations. Its strengths include systematic attack categorization and empirical evaluation on diverse tasks, but it is limited to Dreamer-style agents and continuous control domains, with input-level defenses showing limited effectiveness.

Read-first 评分解释

综合优先阅读分 67.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 43。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

94.8

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.94820973

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、结果

主题相关性 29%

61.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：442。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

针对视觉扰动下世界模型智能体部署前鲁棒性和风险评估的统一评估框架
五种白盒损失目标，分别针对策略、价值和潜在动态层面
时间攻击模式：全帧、半序列和稀疏帧暴露
在MetaWorld和DeepMind Control Suite的20个任务上系统评估Dreamer-style智能体

方法

ARB4WM定义了五种白盒损失目标，涵盖策略、价值和潜在动态层面，并研究它们与单步或多步扰动策略以及时间攻击模式（全帧、半序列、稀疏帧）结合的效果。该框架在MetaWorld和DeepMind Control Suite的20个连续控制任务上，评估了四种Dreamer-style智能体在不同损失目标、扰动策略和时间攻击模式下的表现。

关键结果

针对价值估计、潜在表示和RSSM动态的攻击可能与直接策略破坏同样有害；早期或频繁的扰动尤其有害，而输入级防御在自适应攻击下恢复能力有限。

技术栈

Dreamer-style agentsRSSMMetaWorldDeepMind Control SuiteWhite-box adversarial attacks

资源

论文代码