論文の概要: On the Robustness Evaluation of 3D Obstacle Detection Against Specifications in Autonomous Driving
- arxiv url: http://arxiv.org/abs/2408.13653v2
- Date: Tue, 14 Oct 2025 16:15:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:31.917203
- Title: On the Robustness Evaluation of 3D Obstacle Detection Against Specifications in Autonomous Driving
- Title（参考訳）: 自動運転における仕様違反3次元障害物検出のロバスト性評価について
- Authors: Tri Minh Triet Pham, Bo Yang, Jinqiu Yang,
- Abstract要約: 仕様に基づく摂動に対する3次元障害物検出モデルのロバスト性は未評価のままである。
業界グレードのLevel 4 ADSを含む5つの古典的3次元障害物検出モデルのロバスト性を評価するためにETを適用した。
PCDの非常に微妙な変化(すなわち2点の除去)でさえ、オブジェクトの安全性の非自明な低下をもたらす可能性がある。
- 参考スコア（独自算出の注目度）: 5.013456653983232
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous driving systems (ADSs) rely on real-time sensor data, such as cameras and LiDARs, for time-critical decisions using deep neural networks. The accuracy of these decisions is crucial for the widespread adoption of ADSs, as errors can have serious consequences. 3D obstacle detection, in particular, is sensitive to point cloud data (PCD) noise from various sources. However, the robustness of current 3D obstacle detection models against specification-based perturbations remains unevaluated. These perturbations are derived from the specification of LiDAR sensors and previous research on LiDAR's ability to capture objects of different colors and materials. They can manifest as very subtle sensor-based noises or obstacle-specific perturbations. Hence, we propose SORBET, a framework that tests the robustness of 3D obstacle detection models in ADS against such perturbations to the PCD to evaluate their robustness. We applied SORBET to evaluate the robustness of five classic 3D obstacle detection models, including one from an industry-grade Level 4 ADS (Baidu's Apollo). Furthermore, we studied how the deviated obstacle detection results would propagate and negatively impact trajectory prediction. Our evaluation emphasizes the importance of testing 3D obstacle detection against specification-based perturbations. We find that even very subtle changes in the PCD (i.e., removing two points) may introduce a non-trivial decrease in the detection performance. Furthermore, such a negative impact will further propagate to other modules and endanger the safety of the ADS.
- Abstract（参考訳）: 自律運転システム(ADS)は、ディープニューラルネットワークを用いた時間的決定のために、カメラやLiDARなどのリアルタイムセンサーデータに依存している。
これらの決定の正確性は、エラーが深刻な結果をもたらす可能性があるため、ADSの普及に不可欠である。
特に3D障害物検出は、様々なソースからの点雲データ(PCD)ノイズに敏感である。
しかし、現在の3次元障害物検出モデルの仕様に基づく摂動に対する堅牢性は未評価のままである。
これらの摂動は、LiDARセンサーの仕様と、LiDARの様々な色や素材の物体を捉える能力に関する以前の研究に由来する。
非常に微妙なセンサーベースのノイズや障害物固有の摂動として現れる。
そこで我々は,ADSにおける3次元障害物検出モデルのロバスト性を評価するフレームワークSORBETを提案し,そのロバスト性を評価する。
業界グレードのLevel 4 ADS(BaiduのApollo)を含む5つの古典的3次元障害物検出モデルのロバスト性を評価するためにSORBETを適用した。
さらに, 逸脱した障害物検出結果を伝播させ, 軌道予測に悪影響を及ぼすかを検討した。
本評価では,仕様に基づく摂動に対する3次元障害物検出テストの重要性を強調した。
PCDの微妙な変化(つまり2点の除去)でさえ、検出性能の非自明な低下をもたらす可能性がある。
さらに、このような負の影響は、他のモジュールにさらに伝播し、ADSの安全性を脅かす。
関連論文リスト
- Testing the Fault-Tolerance of Multi-Sensor Fusion Perception in Autonomous Driving Systems [14.871090150807929]
我々は、カメラとLiDARの故障モデルを構築し、それらをMSF認識ベースのADSに注入し、テストシナリオでその挙動をテストする。
フィードバック誘導型差動ファジタを設計し, インジェクションセンサの故障によるMRF知覚に基づくADSの安全性違反を検出する。
論文 参考訳（メタデータ） (2025-04-18T02:37:55Z) - Hi-ALPS -- An Experimental Robustness Quantification of Six LiDAR-based Object Detection Systems for Autonomous Driving [49.64902130083662]
3Dオブジェクト検出システム(OD)は、自動運転車の運転決定において重要な役割を果たす。
敵対的な例は、入力データの変化、すなわち偽造(falsify)、ODの予測において、小さな、時には洗練された摂動である。
異なる種類の摂動条件下で6つの最先端3D ODのロバスト性を定量化する。
論文 参考訳（メタデータ） (2025-03-21T14:17:02Z) - Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳（メタデータ） (2024-10-31T13:13:32Z) - Towards Robust 3D Object Detection In Rainy Conditions [10.920640666237833]
道路噴霧に対するLiDARを用いた3次元物体検出装置のロバスト性向上のための枠組みを提案する。
当社のアプローチでは,LiDAR点雲からの噴霧を除去するために,最先端の悪天候検知ネットワークを用いている。
悪天候のフィルタリングに加えて、レーダターゲットを用いて偽陽性検出をさらにフィルタリングする方法について検討する。
論文 参考訳（メタデータ） (2023-10-02T07:34:15Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Ego-Motion Estimation and Dynamic Motion Separation from 3D Point Clouds
for Accumulating Data and Improving 3D Object Detection [0.1474723404975345]
高解像度レーダーセンサーの1つは、ライダーセンサーと比較して、生成された点雲の空間性である。
このコントリビューションは、View-of-Delftデータセット上のレーダーポイント雲の蓄積制限を分析する。
エゴモーション推定と動的動き補正を応用して物体検出性能を向上させる実験を行った。
論文 参考訳（メタデータ） (2023-08-29T14:53:16Z) - Context-Aware Change Detection With Semi-Supervised Learning [0.0]
地球観測データを用いた変化検出は、被災地における災害の影響を定量化する上で重要な役割を担っている。
Sentinel-2のようなデータソースは、豊富な光学情報を提供するが、しばしば雲のカバーによって妨げられる。
本研究では,変更検出タスクにおけるSentinel-2データのコントリビューションを評価するモデルを開発した。
論文 参考訳（メタデータ） (2023-06-15T08:17:49Z) - Survey on LiDAR Perception in Adverse Weather Conditions [6.317642241067219]
アクティブなLiDARセンサーは、シーンの正確な3D表現を作成することができる。
霧、雪、雨などの悪天候条件下でのLiDARの性能は変化する。
我々は、適切なデータの提供、生の点クラウド処理とデノイング、ロバストな認識アルゴリズム、悪天候による欠点を軽減するためのセンサ融合といったトピックに対処する。
論文 参考訳（メタデータ） (2023-04-13T07:45:23Z) - A Comprehensive Study of the Robustness for LiDAR-based 3D Object
Detectors against Adversarial Attacks [84.10546708708554]
3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。
敵の攻撃に対する強固さを理解することが不可欠である。
本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
論文 参考訳（メタデータ） (2022-12-20T13:09:58Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。
特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。
これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文 参考訳（メタデータ） (2020-04-01T16:11:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。