UniTexture: Cross-Task Universal Adversarial Textures for Vision-Language-Action Models

📄 arXiv: 2608.13453v1 📥 PDF

作者: Yukun Dai, Mingzhe Dai, Tianshi Wang, Fengling Li, Jingjing Li, Lei Zhu

分类: cs.CV, cs.AI

发布日期: 2026-08-13

💡 一句话要点

提出UniTexture以解决多任务VLA模型的跨任务脆弱性问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 对抗攻击 视觉-语言-行动 多任务学习 机器人控制 安全性 纹理优化 深度学习

📋 核心要点

  1. 现有的对抗攻击方法通常针对单一任务，未能充分挖掘多任务VLA模型的跨任务脆弱性。
  2. 本文提出UniTexture，通过优化单一纹理在多个任务中诱导目标偏差，解决了现有方法的局限性。
  3. 实验结果显示，UniTexture在攻击下任务成功率从90.0%降至48.4%，并实现了跨模型的迁移效果。

📝 摘要（中文）

视觉-语言-行动（VLA）模型作为通用机器人策略，能够执行多种语言指令和操作任务。然而，它们的直接控制使其易受对抗干扰，可能导致不安全的物理行为。现有针对机器人策略的攻击通常针对单一任务，未能探讨多任务VLA的跨任务脆弱性。本文提出UniTexture，一种跨任务通用对抗纹理攻击，利用单一纹理3D物体在多个任务中诱导VLA行动预测的偏差。UniTexture通过可微渲染器将梯度从策略的行动输出反向传播到表面纹理参数，优化共享纹理以针对攻击者定义的目标行动。实验结果表明，UniTexture在多种操作任务中显著降低了任务成功率，并展示了跨套件和跨模型的迁移能力。

🔬 方法详解

问题定义：本文旨在解决多任务视觉-语言-行动（VLA）模型在面对对抗攻击时的脆弱性，现有方法多集中于单一任务，未能有效应对跨任务的攻击场景。

核心思路：UniTexture通过设计一种通用的对抗纹理，能够在多个任务中引发目标偏差，避免为每个任务单独优化纹理，从而提高攻击的有效性和效率。

技术框架：UniTexture的整体架构包括：1) 可微渲染器用于梯度反向传播；2) 共享纹理参数的优化模块；3) 目标行动空间的定义与优化。该框架允许在多种任务、指令和视角下进行优化。

关键创新：UniTexture的主要创新在于其跨任务的对抗攻击能力，利用单一纹理在多个任务中引发偏差，显著提高了攻击的普适性和有效性。与现有方法相比，UniTexture不需要为每个任务单独设计纹理，降低了复杂性。

关键设计：在设计中，UniTexture采用了针对目标行动的损失函数，通过优化共享纹理参数，确保在不同任务中均能有效引发预期的行动偏差。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，UniTexture在OpenVLA和$π_{0.5}$上进行的多种操作任务中，成功率从90.0%降至48.4%，同时实现了目标对齐的行动偏移，展示了跨套件和跨模型的迁移能力，未进行重新优化。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动化系统和智能家居等，能够帮助设计更安全的多任务机器人策略，减少对抗攻击带来的风险。未来，随着对抗攻击技术的发展，UniTexture的思想可能会被应用于更广泛的智能系统中，提升其安全性和鲁棒性。

📄 摘要（原文）

Vision-Language-Action (VLA) models have emerged as generalist robotic policies capable of following diverse language instructions and performing a wide range of manipulation tasks. However, their direct control over embodied agents also exposes them to adversarial interference that may cause unsafe physical behaviors. Existing attacks on robotic policies are typically optimized for a single task or instruction, leaving the cross-task vulnerabilities of multitask VLAs largely unexplored. We introduce UniTexture, a cross-task universal adversarial texture attack that uses a single textured 3D object to induce targeted deviations in VLA action predictions across multiple tasks. UniTexture backpropagates gradients from the policy's action outputs to surface texture parameters through a differentiable renderer. It jointly optimizes the shared texture over a distribution of tasks, instructions, states, and viewpoints using a targeted action-space objective, steering predicted actions toward attacker-defined targets without optimizing a separate texture for each task. We evaluate UniTexture on OpenVLA and $π_{0.5}$ across diverse manipulation tasks and multiple evaluation settings. UniTexture reduces the mean task success rate from 90.0% under benign conditions to 48.4% under attack, induces target-aligned action shifts, and further exhibits cross-suite and cross-model transfer without re-optimization. Together, these findings reveal shared cross-task vulnerabilities in multitask VLAs that can be systematically exploited through a single adversarial surface texture.