什么击碎了具身AI安全：LLM漏洞、CPS缺陷，还是别的？
论文信息
英文标题：What Breaks Embodied AI Security:LLM Vulnerabilities, CPS Flaws,or Something Else?
作者：Boyang Ma, Hechuan Guo, Peizhuo Lv, Minghui Xu et al.（2026）
来源：arXiv:2602.17345v1 | PDF全文
英文标题：What Breaks Embodied AI Security:LLM Vulnerabilities, CPS Flaws,or Something Else?
作者：Boyang Ma, Hechuan Guo, Peizhuo Lv, Minghui Xu et al.（2026）
来源：arXiv:2602.17345v1 | PDF全文
中文摘要
具身AI（自动驾驶/服务机器人/LLM驱动交互体）正从受控环境转向安全关键现实部署。与离身AI不同，具身失败导致不可逆物理后果。现有研究多从LLM漏洞或经典信息物理系统(CPS)失败分析，本文论证这些视角单独都不够解释现代具身系统的许多崩溃。提出显著一类失败源于「具身引发的系统级失配」而非孤立模型缺陷或传统CPS攻击。识别四核心洞察：(i)语义正确不意味物理安全；(ii)相同动作因非线性动力学导致截然不同结果；(iii)小错误在紧密耦合环中传播放大；(iv)安全不跨时间/系统层组合。建议安全需超越组件级防御，转向系统级推理。
核心贡献与解读
系统剖析具身AI安全，指出「具身引发的系统级失配」才是核心难点，给安全研究新框架，安全从业者必读。
关键词
具身AI安全 / 系统级失配 / CPS / LLM漏洞
