攻击可信想象：对‘先想象后行动’世界模型的预言机级完整性攻击

arXiv 2026 52.3 method

TLDR

识别VLA策略中可信想象为攻击面，易破坏难定向，有检测器。

评分理由

The paper introduces a novel attack surface on world models in imagine-then-act policies, supported by empirical evaluation on three targets and a parameter-free detector. Strengths include clear asymmetry analysis and thorough evaluation; weaknesses include limited perturbation model and adaptive attacker constraints.

Read-first 评分解释

综合优先阅读分 52.3，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 33。

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%

94.7

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：0.9465186

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：评估

主题相关性 29%

47.1

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

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：无；数据：无；命中信号：无

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

排序敏感性

稳定性：volatile；排名波动范围：425。

关键词评分

world model

world dynamics prediction

generative world model

model-based reinforcement learning world model

world simulator

interactive world model

video world model

深度分析

创新点

识别想象-行动VLA策略中可信想象（潜在轨迹）为暴露的攻击面，而非反应式策略。
不对称性：破坏想象容易（离流形位移），但精确引导至指定流形内目标困难。
一种无参数去噪检测器，利用被破坏想象的离流形特性。

方法

攻击者通过完全可微的观测到想象映射使用投影梯度下降，并施加L-infinity有界观测扰动。威胁模型基于能力。在三个模型上评估：RynnVLA-002、LingBot-VA和LaDi-WM，使用无目标和有目标攻击，以及去噪检测器。

关键结果

无目标破坏比随机强约60倍，检测AUC为1.0。有目标控制仍受限。自适应攻击者仅通过放弃破坏来逃避检测。反应式策略对破坏的想象保持鲁棒，但原生想象驱动的MPC出现对手特定任务失败（epsilon=0.01时，成功率0.70 vs 0.05；Fisher p < 10^-4）。

局限性

有目标控制仍受限，表明难以实现精确引导。
自适应攻击者可通过放弃破坏来逃避检测，限制了检测器的有效性。
攻击仅影响依赖想象的下游预言机（如MPC），而非反应式策略本身。

技术栈

VLA策略世界行动模型 (WAM)投影梯度下降 (PGD)L-infinity扰动去噪检测器RynnVLA-002LingBot-VALaDi-WM模型预测控制 (MPC)

资源

论文