Robo3D：面向抵御 corruptions 的鲁棒可靠三维感知

三维感知系统在来自环境与传感器的自然 corruptions 下的鲁棒性对安全关键应用至关重要。现有大规模三维感知数据集常包含经过精细清洗的数据。然而，此类配置无法反映感知模型在部署阶段的可靠性。在本工作中，我们提出 Robo3D，首个全面基准，旨在探查三维检测器与分割器在真实世界环境中出现的自然 corruptions 导致的分布外场景下的鲁棒性。具体而言，我们考虑源自恶劣天气条件、外部干扰与内部传感器故障的八种 corruption 类型。我们揭示，尽管在标准基准上已取得渐进的可喜结果，最先进的的三维感知模型仍面临易受 corruptions 攻击的风险。我们得出关于数据表示、增强方案与训练策略使用的关键观察，这些可能严重影响模型性能。为追求更好鲁棒性，我们提出密度不敏感训练框架与简单灵活的体素化策略以增强模型弹性。我们希望我们的基准与方法能启发未来设计更鲁棒可靠三维感知模型的研究。我们的鲁棒性基准套件已公开。