车辆轨迹预测有效，但并非处处有效
计算机视觉与模式识别
2022-03-30 v2
摘要
车辆轨迹预测如今是自动驾驶汽车的基础支柱。工业界与研究界均已通过提供公共基准认可了这一支柱的必要性。尽管最先进的方法令人印象深刻，即它们没有越野预测，但它们向基准之外城市的泛化能力仍未被探索。本工作中，我们展示那些方法无法泛化到新场景。我们提出一种自动生成真实场景的方法，使最先进模型越野预测。我们通过对抗场景生成的视角来构建该问题。该方法是一种基于原子场景生成函数与物理约束的简单而有效的生成模型。我们的实验表明，当前基准中超过 60% 的现有场景可被修改以使预测方法失败（即预测越野）。我们进一步展示所生成场景（i）是真实的，因为它们在现实世界中确实存在，且（ii）可用于使现有模型更鲁棒，使越野率降低 30-40。代码在线提供：https://s-attack.github.io/。
引用
@article{arxiv.2112.03909,
title = {Vehicle trajectory prediction works, but not everywhere},
author = {Mohammadhossein Bahari and Saeed Saadatnejad and Ahmad Rahimi and Mohammad Shaverdikondori and Amir-Hossein Shahidzadeh and Seyed-Mohsen Moosavi-Dezfooli and Alexandre Alahi},
journal= {arXiv preprint arXiv:2112.03909},
year = {2022}
}
备注
CVPR 2022