基于 AI 的多传感器融合系统鲁棒性基准测试：挑战与机遇
软件工程
2023-08-30 v2 计算机视觉与模式识别
机器学习
摘要
基于多传感器融合（MSF）的感知系统一直是支撑许多工业应用与领域的基础，例如自动驾驶汽车、机械臂和无人机。过去几年中，数据驱动的人工智能（AI）的快速发展带来了一种快速增长趋势，即通过深度学习技术赋能 MSF 系统以进一步提升性能，特别是在智能系统及其感知系统上。尽管已提出不少支持 AI 的 MSF 感知系统与技术，但迄今为止，专注于 MSF 感知的公开基准十分有限。鉴于许多智能系统（如自动驾驶汽车）运行在安全关键场景中，而感知系统起着重要作用，迫切需要对这些 MSF 系统的性能与可靠性有更深入的理解。为弥补这一差距，我们朝此方向迈出了早期一步，构建了包含三个常用任务（即目标检测、目标跟踪和深度补全）的基于 AI 的 MSF 感知系统公开基准。在此基础上，为全面理解 MSF 系统的鲁棒性与可靠性，我们设计了 14 种常见且真实的损坏模式以合成大规模损坏数据集。我们进一步通过大规模评估对这些系统进行了系统评价。我们的结果揭示了当前支持 AI 的 MSF 感知系统的脆弱性，呼吁研究者和从业者在设计支持 AI 的 MSF 时将鲁棒性与可靠性纳入考虑。
引用
@article{arxiv.2306.03454,
title = {Benchmarking Robustness of AI-Enabled Multi-sensor Fusion Systems: Challenges and Opportunities},
author = {Xinyu Gao and Zhijie Wang and Yang Feng and Lei Ma and Zhenyu Chen and Baowen Xu},
journal= {arXiv preprint arXiv:2306.03454},
year = {2023}
}
备注
To appear in ESEC/FSE 2023