論文の概要: Understanding Adversarial Transferability in Vision-Language Models for Autonomous Driving: A Cross-Architecture Analysis
- arxiv url: http://arxiv.org/abs/2604.27414v1
- Date: Thu, 30 Apr 2026 04:33:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.924829
- Title: Understanding Adversarial Transferability in Vision-Language Models for Autonomous Driving: A Cross-Architecture Analysis
- Title（参考訳）: 自律走行のための視覚言語モデルにおける対向移動可能性の理解:クロスアーキテクチャ解析
- Abstract要約: 視覚言語モデル (VLM) は、自律運転においてますます使われている。
視覚認識と言語に基づく推論を組み合わせることで、より解釈可能な意思決定を支援する。
VLM駆動における逆転送性について検討した。
- 参考スコア（独自算出の注目度）: 1.3980986259786221
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vision-language models (VLMs) are increasingly used in autonomous driving because they combine visual perception with language-based reasoning, supporting more interpretable decision-making, yet their robustness to physical adversarial attacks, especially whether such attacks transfer across different VLM architectures, is not well understood and poses a practical risk when attackers do not know which model a vehicle uses. We address this gap with a systematic cross-architecture study of adversarial transferability in VLM-based driving, evaluating three representative architectures (Dolphins, OmniDrive, and LeapVAD) using physically realizable patches placed on roadside infrastructure in both crosswalk and highway scenarios. Our transfer-matrix evaluation shows high cross-architecture effectiveness, with transfer rates of 73-91% (mean TR = 0.815 for crosswalk and 0.833 for highway) and sustained frame-level manipulation over 64.7-79.4% of the critical decision window even when patches are not optimized for the target model.
- Abstract（参考訳）: 視覚言語モデル(VLM)は、視覚認識と言語に基づく推論を組み合わせることで、より解釈可能な意思決定をサポートしながら、物理的な敵攻撃に対する堅牢性、特に異なるVLMアーキテクチャを横断する攻撃が十分に理解されておらず、攻撃者がどのモデルがどのモデルを使用しているかを知らない場合の実用的なリスクが生じる。
横断歩道と高速道路の両シナリオにおいて、道路沿いのインフラ上に配置された物理的に実現可能なパッチを用いて、3つの代表的なアーキテクチャ(Dolphins, OmniDrive, LeapVAD)を評価する。
移動行列評価は,73～91%(横断歩道平均TR=0.815,高速道路平均0.833)の移動率と,目標モデルにパッチが最適化されていない場合でも,限界決定ウィンドウの64.7～79.4%のフレームレベル操作を継続した。
関連論文リスト
- Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation [10.15536470870511]
自動運転車のスプーフィング検出のためのVLM(Vision-Language Model)ベースのフレームワークを開発した。
提案手法では3段階の微調整プロセスを導入し,まず視覚的手がかりを抽出し,センサデータを校正する。
その結果,VLMをベースとしたアプローチは,すべての不正ターンと停止攻撃を正しく分類し,オーバーシュート攻撃の精度は88%～93%であった。
論文 参考訳（メタデータ） (2026-07-27T03:20:08Z) - AD4AD: Benchmarking Visual Anomaly Detection Models for Safer Autonomous Driving [10.121649137872298]
自動運転の失敗は、乗客、歩行者、その他の道路利用者の身体的リスクに直接変換される。
視覚異常検出(VAD)は、トレーニング中に存在しない異常物体の識別を可能にする。
VADモデルは、特定の領域にドライバーの注意を誘導するピクセルレベルの異常マップを生成する。
論文 参考訳（メタデータ） (2026-04-16T17:54:53Z) - UniDriveVLA: Unifying Understanding, Perception, and Action Planning for Autonomous Driving [48.461267171124945]
自動運転のためのUnified Driving Vision-Language-ActionモデルであるUniDriveVLAを提案する。
理解、シーン認識、行動計画の3つの専門家で構成されており、マスク付き共同注意を通して調整されている。
nuScenesのオープンループ評価とBench2Driveのクローズループ評価における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-02T15:48:45Z) - Heterogeneous Self-Play for Realistic Highway Traffic Simulation [42.67401323169807]
PHASE, Policy for Heterogeneous Agent Self-play on Expresswayは、コンテキスト対応のセルフプレイフレームワークである。
例えば、旅客車やトレーラートラックなどの異なる車両のプロフィールを単一のポリシーでサポートしている。
96.3%の成功率でADE/FDEを6.57/12.07mから2.44/5.25mに下げる。
論文 参考訳（メタデータ） (2026-03-31T19:39:29Z) - Comparative Analysis of Patch Attack on VLM-Based Autonomous Driving Architectures [8.340004072808005]
本稿では,Dolphins,OmniDrive(Omni-L),LeapVADという3つのVLMアーキテクチャを対象とした比較対数評価手法を提案する。
CARLAシミュレーションにおいて,ブラックボックス最適化とセマンティック・ホモジェナイゼーションを用いて,物理的に実現可能なパッチ攻撃を評価する。
その結果、すべてのアーキテクチャにまたがる深刻な脆弱性、持続的なマルチフレームの障害、重要なオブジェクト検出の劣化が明らかになった。
論文 参考訳（メタデータ） (2026-03-09T20:04:13Z) - SAVANT: Semantic Analysis with Vision-Augmented Anomaly deTection [6.806105013817923]
SAVANTは、異常運転シナリオの検出において高精度なリコールを実現する構造化推論フレームワークである。
9,640以上の実世界の画像を高精度にラベル付けすることで、SAVANTは異常検出における重要なデータ不足問題に対処する。
論文 参考訳（メタデータ） (2025-10-20T19:14:29Z) - Natural Reflection Backdoor Attack on Vision Language Model for Autonomous Driving [55.96227460521096]
視覚言語モデル(VLM)は推論能力を高めるために自律運転システムに統合されている。
本稿では,自律運転シナリオにおけるVLMシステムを対象とした自然反射型バックドアアタックを提案する。
我々の発見は、自動運転の厳しいリアルタイム要求を生かした、新たなタイプの攻撃を発見しました。
論文 参考訳（メタデータ） (2025-05-09T20:28:17Z) - OmniDrive: A Holistic Vision-Language Dataset for Autonomous Driving with Counterfactual Reasoning [68.45848423501927]
本稿では,エージェントモデルと3次元駆動タスクを対応づける総合的視覚言語データセットを提案する。
提案手法は,代替行動を検討する人間ドライバーと同様,潜在的なシナリオとその成果を評価することによって意思決定を促進する。
論文 参考訳（メタデータ） (2025-04-06T03:54:21Z) - Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。
セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。
本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
論文 参考訳（メタデータ） (2025-01-23T11:10:02Z) - OmniDrive: A Holistic Vision-Language Dataset for Autonomous Driving with Counterfactual Reasoning [68.45848423501927]
本稿では,エージェントモデルと3次元駆動タスクを対応づける総合的視覚言語データセットを提案する。
提案手法は,代替行動を検討する人間ドライバーと同様,潜在的なシナリオとその成果を評価することによって意思決定を促進する。
論文 参考訳（メタデータ） (2024-05-02T17:59:24Z) - Reinforcement Learning with Latent State Inference for Autonomous On-ramp Merging under Observation Delay [6.0111084468944]
遅延状態推論・安全制御(L3IS)エージェントを用いたレーンキーピング・レーンチェンジについて紹介する。
L3ISは、周囲の車両の意図や運転スタイルに関する包括的な知識を必要とせずに、オンランプのマージ作業を安全に行うように設計されている。
本稿では,観測遅延を考慮に入れたAL3ISというエージェントを改良し,実環境においてより堅牢な決定を行えるようにした。
論文 参考訳（メタデータ） (2024-03-18T15:02:46Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z)
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。