我们如何失败？自动驾驶汽车感知系统的压力测试
音频与语音处理
2022-03-29 v1 人工智能
声音
摘要
自动驾驶汽车 (AVs) 依赖环境感知和行为预测来推理其周围的智能体。这些感知系统必须对诸如雨、雾和雪等恶劣天气具有鲁棒性。然而，由于这些系统的复杂性及其对观测历史的依赖，对其进行验证极具挑战性。本文提出了一种方法，用于表征 AV 基于激光雷达的感知系统在恶劣天气条件下的故障。我们开发了一种基于强化学习的方法，以寻找由于扰动序列导致的目标跟踪和轨迹预测中的可能故障。我们使用基于物理的数据增强技术来施加扰动，以模拟恶劣天气条件下的激光雷达点云。在来自真实世界驾驶数据集的广泛驾驶场景中进行的实验表明，与基线相比，我们提出的方法在输入扰动更小的情况下找到了高概率故障，同时在计算上保持可行。识别出的故障可为未来 AV 鲁棒感知系统的开发提供信息。
引用
@article{arxiv.2203.14156,
title = {SpeechSplit 2.0: Unsupervised speech disentanglement for voice conversion Without tuning autoencoder Bottlenecks},
author = {Chak Ho Chan and Kaizhi Qian and Yang Zhang and Mark Hasegawa-Johnson},
journal= {arXiv preprint arXiv:2203.14156},
year = {2022}
}