論文の概要: TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2606.28716v1
• Date: Sat, 27 Jun 2026 03:45:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.665134
• Title: TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction
• Title（参考訳）: TrajRS: 歩行者軌道予測におけるロバスト性認定に向けて
• Abstract要約: 軌道予測に対する敵対的な攻撃は、予測された軌道の精度を著しく損なう可能性がある。 我々は従来のランダム化Smoothingフレームワークを"TrajRS"に拡張し、スムーズな軌道予測器の信頼性の高いロバスト半径を提供する。
• 参考スコア（独自算出の注目度）: 21.420599786508905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The robustness of trajectory prediction models is crucial for developing safe autonomous driving systems. Adversarial attacks on trajectory prediction can significantly impair the accuracy of predicted trajectories, leading to hazardous driving behaviors. While heuristic defense strategies have been implemented to enhance the robustness of trajectory prediction models, these measures often fail against more sophisticated, targeted adversarial attacks. Hence, there is a pressing need to establish verifiable safety assurances for trajectory prediction models. In this paper, we extend the traditional Randomized Smoothing framework to "TrajRS", which provides a certified robust radius for smoothed trajectory predictors. We clarify and expand the formal definitions of robustness in trajectory prediction and tailor the practical TrajRS scheme specifically to "robustness for the optimal prediction" and "robustness for all possible predictions". An extensive set of experiments demonstrates that TrajRS effectively achieves robustness certification for all smoothed pedestrian trajectory predictors in this work.
• Abstract（参考訳）: 軌道予測モデルの堅牢性は、安全な自動運転システムの開発に不可欠である。 軌道予測に対する敵対的な攻撃は、予測された軌道の精度を著しく損なう可能性があり、危険な運転行動を引き起こす。 軌道予測モデルの堅牢性を高めるためにヒューリスティックな防衛戦略が実施されているが、これらの対策はより高度で標的となる敵攻撃に対して失敗することが多い。 したがって、軌道予測モデルに対する検証可能な安全保証を確立する必要がある。 本稿では,従来のランダム化平滑化フレームワークを "TrajRS" に拡張する。 我々は、軌道予測におけるロバスト性の公式定義を明確にし、特に「最適な予測に対するロバスト性」と「可能な全ての予測に対するロバスト性」について、実践的なTrajRSスキームを調整した。 広範な実験により、TrajRSは、この研究における全てのスムーズな歩行者軌道予測器の堅牢性認証を効果的に達成していることが示された。

関連論文リスト

• Evaluating randomized smoothing as a defense against adversarial attacks in trajectory prediction [9.678379563415204]
  ランダムな平滑化に基づく軌道予測モデルのための新しい防御機構を開発し,評価する。 この結果から, ランダムスムーシングは, トラジェクティブ予測において, 逆方向攻撃を緩和するための簡易かつ計算コストのかかる手法であることがわかった。
  論文  参考訳（メタデータ） (2026-03-11T14:30:52Z)
• Controllable Generative Trajectory Prediction via Weak Preference Alignment [19.852327330298746]
  PrefCVAE(PrefCVAE)は、ラベルの弱い選好ペアを用いて、セマンティック属性を持つ潜在変数を挿入する拡張CVAEフレームワークである。 本研究は,サンプリングベース生成モデルを改善するためのコスト効率の高い方法として,選好監督の有効性を示す。
  論文  参考訳（メタデータ） (2025-10-12T18:06:39Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Foresight in Motion: Reinforcing Trajectory Prediction with Reward Heuristics [34.570579623171476]
  The First Reasoning, Then Forecasting”は、行動意図を軌道予測のための空間的ガイダンスとして明示的に組み込む戦略である。 本稿では,新しいクエリ中心の逆強化学習方式を基礎とした,解釈可能な報酬駆動型意図推論手法を提案する。 提案手法は軌道予測の信頼性を著しく向上させ,最先端手法と比較して高い競争性能を実現する。
  論文  参考訳（メタデータ） (2025-07-16T09:46:17Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Towards Safe and Reliable Autonomous Driving: Dynamic Occupancy Set Prediction [12.336412741837407]
  本研究は,高度軌跡予測ネットワークとDOS予測モジュールを効果的に組み合わせた,DOS予測のための新しい手法を提案する。 本研究の革新的な貢献は、複雑なシナリオをナビゲートするための新しいDOS予測モデルの開発である。
  論文  参考訳（メタデータ） (2024-02-29T17:36:39Z)
• AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
  軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。 我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。 私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
  論文  参考訳（メタデータ） (2022-09-19T03:34:59Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)

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。