TrajPAC：面向行人轨迹预测模型的鲁棒性验证
人工智能
2023-08-14 v1
摘要
鲁棒的行人轨迹预测对开发安全的自动驾驶车辆至关重要。尽管已有研究在轨迹预测背景下探讨对抗鲁棒性，一些重要问题仍待解决。本工作中，我们试图解决这些关键问题。首先，先前轨迹预测中鲁棒性的定义模糊，因此我们给出两类鲁棒性——标签鲁棒性与纯鲁棒性的形式化定义。其次，由于先前工作未考虑扰动区间内所有点的鲁棒性，我们采用可能近似正确（PAC）框架进行鲁棒性验证。此外，该框架不仅能识别潜在反例，还可对原方法提供可解释分析。我们的方法使用名为TrajPAC的原型工具实现。借助TrajPAC，我们在ETH/UCY数据集五个场景及Stanford Drone Dataset场景的轨迹上，评估了四种最先进轨迹预测模型——Trajectron++、MemoNet、AgentFormer与MID的鲁棒性。利用我们的框架，我们还通过实验研究了可能影响鲁棒性表现的各种因素。
引用
@article{arxiv.2308.05985,
title = {TrajPAC: Towards Robustness Verification of Pedestrian Trajectory Prediction Models},
author = {Liang Zhang and Nathaniel Xu and Pengfei Yang and Gaojie Jin and Cheng-Chao Huang and Lijun Zhang},
journal= {arXiv preprint arXiv:2308.05985},
year = {2023}
}
备注
ICCV 2023 version