世界模型给机器人装了个"脑内模拟器"

刚看到一篇关于具身AI安全的长篇综述，读完脊背发凉。核心观点其实不复杂：世界模型（World Model）让机器人不只是"看到就反应"，而是能压缩观察、预测未来、规划动作——但这层预测能力打开了一条新的攻击链路：数据、传感器、提示词、反馈回路，任何一环被污染，都可能传导成物理世界的实际动作。

我最感兴趣的部分是它对攻击家族的重新归类。投毒、后门、对抗样本、传感器欺骗、提示注入、轨迹操纵、供应链攻击——这些在传统深度学习里已经有成熟分类，但套到世界模型上，攻击对象变成了世界状态、学习到的动力学、可供性估计和安全成本函数。这意味着什么？你攻击的不再是某个具体的决策输出，而是模型对"世界长什么样、接下来会发生什么"的底层认知。改一个潜在表征，可能比改一个输出层更隐蔽，也更难排查。

另一个值得琢磨的概念是"预测性安全幻觉"。世界模型本身可以充当运行时安全盾——先模拟再行动，理论上能挡住很多危险动作。但如果这个盾本身被污染，或者模型过度自信于自己的预测能力，它反而会产生一种"看起来很安全"的错觉。这比没有安全机制更可怕，因为人在心理上会更依赖一个声称能预判的系统。

综述给了一个生命周期框架：从数据构建、表征学习、状态落地、想象规划、轨迹评估，到执行和长期记忆/工具适应。同时还提出了安全性评估协议。这类工作目前极少，因为大部分具身AI研究还在卷成功率，安全评估还没有标准benchmark。

不过我有点怀疑的是：这套威胁模型在真实物理系统上到底有多少可落地性？论文里的攻击很多是数字仿真环境下的，真实世界的噪声、延迟、不可复现性，会不会天然稀释一部分攻击效果？还是说，恰恰是现实的不确定性让这些攻击更难防御？这个我还没想清楚，可能得等更多物理实验出来才能判断。