研究人员开发了一个新的框架，用于评估自动驾驶系统在真实世界对抗性攻击下的实时鲁棒性。该方法利用真实世界的交叉路口驾驶数据，超越了纯粹的模拟测试，以捕捉关键的真实世界因素。研究比较了三种轨迹学习方法，发现架构设计对对抗性稳定性有显著影响，攻击能够引起显著的位移误差。 AI
影响 为研究真实世界自动驾驶系统中的对抗性鲁棒性树立了新的基准。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一个用于评估自主系统的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.03491v1 Announce Type: new Abstract: Most evaluations of autonomous driving policies under adversarial conditions are conducted in simulation, due to cost efficiency and the absence of physical risk. However, purely virtual testing fails to capture structural inconsist…
Most evaluations of autonomous driving policies under adversarial conditions are conducted in simulation, due to cost efficiency and the absence of physical risk. However, purely virtual testing fails to capture structural inconsistencies, supervision constraints, and state-repre…