可认证的人类轨迹预测
计算机视觉与模式识别
2025-06-10 v2 机器人学
摘要
预测人类轨迹对于自动驾驶车辆的安全运行至关重要，然而当前的数据驱动模型在面临噪声输入（如对抗样本或不完美观测）时往往缺乏鲁棒性。尽管已经开发出一些轨迹预测方法来提供经验鲁棒性，但这些方法是启发式的，并不提供有保证的鲁棒性。本文中，我们提出了一种专为轨迹预测定制的认证方法，可提供有保证的鲁棒性。为此，我们解决了与轨迹预测相关的独特挑战，例如无界输出和多模态性。为了缓解认证带来的固有性能下降，我们提出了一种基于扩散的轨迹去噪器，并将其集成到我们的方法中。此外，我们引入了新的认证性能指标，以可靠地衡量轨迹预测性能。通过全面的实验，我们证明了认证预测器的准确性和鲁棒性，并突出了它们相对于非认证预测器的优势。代码可在线获取：https://s-attack.github.io/。
引用
@article{arxiv.2403.13778,
title = {Certified Human Trajectory Prediction},
author = {Mohammadhossein Bahari and Saeed Saadatnejad and Amirhossein Askari Farsangi and Seyed-Mohsen Moosavi-Dezfooli and Alexandre Alahi},
journal= {arXiv preprint arXiv:2403.13778},
year = {2025}
}
备注
CVPR 2025