VLAモデルへの共通敵対的テクスチャ攻撃「UniTexture」、成功率90.0%→48.4%に低下

何が起きたか

研究チームは2026年8月13日、単一のテクスチャ付き3Dオブジェクトを用いて複数タスクのVision-Language-Action (VLA)モデルの行動予測を攻撃する手法「UniTexture」を発表した。OpenVLAとπ0.5で評価し、平均タスク成功率を90.0%から48.4%に低下させた。

詳細

UniTextureは、微分可能レンダラーを通じてポリシーの行動出力から表面テクスチャパラメータへ勾配を逆伝播させ、タスク・指示・状態・視点の分布にわたって共有テクスチャを共同最適化する。攻撃はタスクごとに別のテクスチャを最適化せず、単一のテクスチャで複数タスクにわたる標的化された行動シフトを誘発する。評価では、良性条件下の平均タスク成功率90.0%が攻撃下で48.4%に低下し、さらに再最適化なしでクロススイート・クロスモデル転移を示した。

Key Facts

本紙の見方

今回の研究は、VLAモデルに対する敵対的攻撃の研究を「単一タスク」から「クロスタスク」へと拡張した点で新規性がある。従来の攻撃は特定のタスクや指示に最適化されていたが、UniTextureは単一のテクスチャで複数タスクにわたって攻撃を成功させる。これは、マルチタスクVLAがタスク間で共通の脆弱性を持つことを示唆しており、実世界展開における安全性の懸念を高める。 本紙の過去報道では、VLAモデルの安全性評価の枠組み（2026年5月10日）で、VLAモデルの行動予測が敵対的入力に対して脆弱であることを指摘した。また、ロボットポリシーの汎化と攻撃耐性（2026年6月22日）では、汎化性能の向上が攻撃耐性とトレードオフになる可能性を論じた。UniTextureの結果は、これらの懸念を裏付けるものであり、特にクロスタスク転移の存在は、攻撃者が単一のオブジェクトを用意するだけで多様なタスクを妨害できることを意味する。 業界構造への含意として、VLAモデルを搭載したロボットの実用化が進む中、安全性検証の重要性が増す。特に、物理的なテクスチャ攻撃は、現実世界の物体に適用可能であり、製造現場や物流などでの導入リスクを高める。サプライチェーンにおいては、ロボットの視覚センサーやテクスチャ認識の堅牢性が求められ、部品メーカーやシステムインテグレーターに影響を与える可能性がある。 未確定の論点として、まず、UniTextureの攻撃が実世界の物理的環境でどの程度有効かが挙げられる。シミュレーションと実環境のギャップは大きく、実機での検証が必要である。次に、防御手法の開発が急務であるが、現時点で有効な防御策は公開されていない。最後に、UniTextureの転移性が他のVLAモデルやタスクセットにどの程度及ぶかは不明であり、さらなる評価が待たれる。

なぜ重要か

VLAモデルの実用化が進む中、単一のテクスチャで複数タスクを攻撃できるUniTextureの存在は、ロボットの安全性設計に重大な課題を突きつける。開発者は攻撃耐性を考慮したモデル設計と防御策の実装を迫られる。