論文の概要: TwinIR: Coordinated Invisible Dual-Point Attacks on Online HD Map Construction

• arxiv url: http://arxiv.org/abs/2608.04453v1
• Date: Wed, 05 Aug 2026 05:08:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.727236
• Title: TwinIR: Coordinated Invisible Dual-Point Attacks on Online HD Map Construction
• Title（参考訳）: TwinIR:オンラインHDマップ構築における非可視的デュアルポイント攻撃
• Authors: Haibo Hu, Jianghuai Deng, Chen Tang, Yang Lou, Qian Xu, Jianping Wang,
• Abstract要約: 既存のオンライン地図構築に対する物理的な攻撃は、境界を越えた補償効果によって制限される。 本研究では,オンライン地図構築のための物理攻撃手法であるTwinIRを提案する。 最先端のオンラインマップ構築モデルにおけるnuScenesの実験は、TwinIRがmAPをRSAで8.18-8.96パーセント、ETAで2.84-5.62ポイント削減していることを示している。
• 参考スコア（独自算出の注目度）: 15.827537828496657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online HD map construction is critical to prediction and planning in autonomous driving. We find that existing physical attacks against online map construction are limited by a cross-boundary compensation effect: after the target boundary is perturbed, another visible boundary may retain sufficient geometric cues for the model to recover the original road geometry. Based on this observation, we propose TwinIR, a new mechanism-guided physical attack methodology for online map construction. TwinIR jointly optimizes attack effectiveness and point sparsity, seeking the minimum number of attack points needed to suppress compensating geometric cues from surrounding boundaries. To reduce the perceptibility of multi-point attacks, TwinIR models camera responses to near-infrared illumination and maps optimized attack points to feasible physical placements, producing camera-visible interference with minimal visible-spectrum changes. Experiments on nuScenes across state-of-the-art online map construction models show that TwinIR reduces mAP by 8.18-8.96 percentage points under RSA and 2.84-5.62 points under ETA, while increasing the unreachable-goal rate by 25-28 points and the unsafe-planned-trajectory rate by 19-20 points over clean inputs. These attacks are also validated on a real-world testbed AV, where TwinIR successfully induces both road straightening and early-turn deformations while remaining inconspicuous in full-color views.
• Abstract（参考訳）: オンラインHDマップの構築は、自動運転の予測と計画に不可欠である。 既存のオンライン地図構築に対する物理的攻撃は、対象境界が乱れれば、別の可視境界が元の道路形状を復元するのに十分な幾何学的手がかりを保持することができる。 そこで本研究では,オンラインマップ構築のための物理攻撃手法であるTwinIRを提案する。 TwinIRは攻撃効率と点間隔を最適化し、周辺境界からの幾何的手がかりの補償を抑えるのに必要な最小限の攻撃点を求める。 マルチポイント攻撃の可視性を低減するため、TwinIRは近赤外線照明に対するカメラの反応をモデル化し、物理的な配置に最適化された攻撃ポイントをマップし、最小限の可視スペクトル変化を伴うカメラ可視干渉を生成する。 最先端のオンラインマップ構築モデルによるnuScenesの実験では、TwinIRはmAPをRSA以下8.18-8.96ポイント、ETA以下2.84-5.62ポイント削減し、未到達のゴールレートは25-28ポイント、未使用の軌道速度は19-20ポイント向上した。 これらの攻撃は実際のテストベッドAVでも検証され、TwinIRは道路の直線化と早めの変形の両方を誘導するが、フルカラーの視界では目立たないままである。

関連論文リスト

• The Spectrum Strikes Back: Infrared POV Attacks on Traffic Sign Classification [2.0747783609522754]
  交通標識の分類は自動運転車にとって重要な課題である。 近赤外光スペクトルで機能するパーシステンス・オブ・ビジョンベースの攻撃を提案する。 動的でリモートトリガされたコンテンツを表示する可能性があり、これはトラフィックサインの分類に対するステルスな物理的敵攻撃を可能にする。
  論文  参考訳（メタデータ） (2026-06-29T11:29:13Z)
• Systematic Discovery of Semantic Attacks in Online Map Construction through Conditional Diffusion [12.92794251734044]
  敵防衛を回避した意味的攻撃の発見のためのフレームワークであるMIRAGEを提示する。 筆者らは,(1)境界除去,57.7%の検知抑制,および計画軌道の96%の破損,(2)境界注入の2つの手法を実証した。
  論文  参考訳（メタデータ） (2026-05-14T05:21:17Z)
• A Graph Attention Network-Based Framework for Reconstructing Missing LiDAR Beams [0.0]
  本稿では,現在のLiDARフレームのみを用いて,行方不明な垂直チャネルを再構築するグラフ注意ネットワークフレームワークを提案する。 多層GATは、局所的な幾何学的近傍における適応的な注意重みを学習し、ドロップアウト箇所で欠落した標高(z)値を直接回帰する。 推論は1つのGPU上で1フレームあたり14.65秒かかる。
  論文  参考訳（メタデータ） (2025-12-13T17:50:57Z)
• RAP: 3D Rasterization Augmented End-to-End Planning [104.52778241744522]
  エンド・ツー・エンドの列車政策の模擬学習は、専門家によるデモンストレーションでのみ行われる。 アノテーション付きプリミティブの軽量化により、コストのかかるレンダリングを置き換える3Dラスタライゼーションを提案する。 RAPは最先端のクローズドループとロングテールロバスト性を実現し、4つの主要なベンチマークで第1位となった。
  論文  参考訳（メタデータ） (2025-10-05T19:31:24Z)
• Asymmetry Vulnerability and Physical Attacks on Online Map Construction for Autonomous Driving [15.060553970759038]
  本稿では,オンライン地図構築モデルの系統的脆弱性分析について述べる。 フォークやマージのような非対称なシーンでは、このバイアスはしばしば、モデルが反対側をミラーする直線境界を誤って予測する。 本稿では,オンライン構築マップを操作可能な新たな2段階攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-07T14:26:21Z)
• Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness [52.780853311462636]
  バックドア攻撃はディープニューラルネットワーク(DNN)に深刻な脅威をもたらす 既存の3Dポイントのクラウドバックドア攻撃は、サンプルワイドなグローバルな修正に依存している。 我々は,3Dポイントクラウド用のパッチワイドバックドアアタックフレームワークであるStealthy Patch-Wise Backdoor Attack (SPBA)を提案する。
  論文  参考訳（メタデータ） (2025-03-12T12:30:59Z)
• TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
  我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。 我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。 レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
  論文  参考訳（メタデータ） (2024-11-22T06:13:42Z)
• Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
  単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。 可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。 その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
  論文  参考訳（メタデータ） (2023-07-15T17:45:17Z)
• PointCA: Evaluating the Robustness of 3D Point Cloud Completion Models Against Adversarial Examples [63.84378007819262]
  本稿では,3次元クラウド完了モデルに対する最初の逆攻撃であるPointCAを提案する。 ポイントCAは、元のものと高い類似性を維持する逆点雲を生成することができる。 その結果,PointCAは77.9%から16.7%に低下し,その構造は0.01以下であることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T14:15:41Z)
• Parallel Rectangle Flip Attack: A Query-based Black-box Attack against Object Detection [89.08832589750003]
  本稿では,攻撃領域近傍の準最適検出を回避するために,ランダム探索による並列矩形フリップ攻撃(PRFA)を提案する。 提案手法は, アンカーベースやアンカーフリーなど, 様々な人気物体検出装置を効果的かつ効率的に攻撃し, 転送可能な対向例を生成する。
  論文  参考訳（メタデータ） (2022-01-22T06:00:17Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)

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。