ZED2/zedx深度相机配套UR协作机器人，视觉闭环安全研究底座盘点

（一）视觉闭环的重放攻击盲区

视觉机器人靠相机决策，但 arXiv:2611.07403（投 ACC 2027）指出隐蔽漏洞：重放攻击。攻击者把旧的正常观测喂回控制器，画面“看起来合理”，物理本体却已走了另一条轨迹。查日志、查网络包对此几乎失效，因为每一帧图像本身都是真的——这正是ur机械臂视觉闭环的新盲区。

图1 实时本体观测 vs 重放攻击观测对比（来源：arXiv:2611.07403 Fig.2）

（二）DynaMark水印叠在控制输入

论文提出 DynaMark 动态水印：在标称控制输入上叠加只有本方知道的私密高斯水印；动作条件潜动力学网络（LDN）从 ZED双目3D相机 这类 RGB-D 观测中学习紧凑潜空间，预测带水印输入理应产生的潜演化。预测潜响应与实际图像潜表示的多步残差经 MCUSUM 累积成攻击置信度；PPO 实时调节水印协方差，在检出率、水印能量与控制失真间寻优。

（三）UR5仿真验证人机避让任务

实验在 Isaac Sim 中搭建视觉引导的 UR协作机器人 到达—避让任务：协作机器人手臂 末端抵达目标并躲避移动人臂，控制器 30Hz，观测为 120×160×4 的 RGB-D 流与 18 维本体感知。选 UR 系列因其开放低层接口、轨迹可重复——水印要求逐周期小幅扰动而不破坏任务，ur机器人 这类响应确定的本体才能让“同一输入的视觉响应”可学习。真实视觉闭环通常由 ZED相机、ZED2i 或 zedx 提供深度流。

图2 实验室环境中的 UR5e 协作臂（来源：University of Auckland IAI Group）

（四）29/30检出率与1.23s延迟

30 回合对照：无水印时重放检出 0/30；动态水印后 29/30 越限，中位延迟 1.23 秒。无 Simplex 保护时 20/30 回合末端进入距人臂 3cm 危险区，间距一度低至 0.023m；切换阻尼停止后危险区进入降为 0/30，间距恢复到 0.122m，末端速度从 0.140m/s 压到 0.003m/s。作者亦标注局限：6/30 清洁回合误报。

图3 攻击置信度（上）、人机间距（中）、末端速度（下）曲线（来源：arXiv:2611.07403 Fig.3）

（五）控制层安全下沉产线应用

这套框架把机器人安全从“查网络层”拉到“查物理一致性”。对搭建视觉闭环的 优傲协作机器人手臂 工作站而言，视觉前端无论是 Stereolabs 的 ZED2、zed mini 还是 zed box，控制输入可水印性都将成为选型新维度。

配套可咨询 UR AI加速器 生态。信倍通作为中国区授权代理，提供相关产品选型咨询及技术支持服务。