arXiv Robotics· Marino Watanabe, Takami Sato, Kentaro Yoshioka·· 5 小时前AI 评分39
FLARE 光照攻击暴露 VLA 模型颜色盲区，ChromaGuard 用保色对抗训练修复
Lights, Camera, Malfunction: When Illumination Robustness Leaves VLA Models Blind to Color
AI 导读
研究提出 FLARE 优化框架，通过定向光照扰动攻击 VLA 模型，并发现朴素数据增强会让模型把颜色当噪声丢弃、过度依赖形状线索。诊断性灰度评测中，朴素防御模型在灰度输入上保持高成功率，但在依赖颜色的正常真实任务上成功率最高仅 48.8%，低于未防御 SmolVLA 基线的 78.8%。
推荐理由模型分析
该研究指出VLA模型对抗训练的一个被低估的副作用：朴素数据增强会让模型把颜色当作噪声丢弃，转而依赖形状线索，在灰度诊断中看似稳健，但在依赖颜色的真实任务上成功率降至48.8%。作者提出的ChromaGuard在6自由度实体平台上把正常与受攻击任务成功率提升到95.0%和88.8%，为具身智能视觉鲁棒性训练提供了可比较的基线与适用条件。
来源：arXiv Robotics · arxiv.org