面向可实现的实体视觉导航中的对抗攻击

本研究解决了实体导航代理在安全关键环境中对深度神经网络对抗攻击的脆弱性问题。通过可学习纹理和透明度的对抗补丁附着在物体上来实现的实用攻击方法，采用多视角优化策略显著提升了攻击的有效性，并通过优化透明度使补丁不易被人类观察者发现。实验结果表明，该方法的导航成功率下降约40%，在实用性、有效性和自然性方面优于之前的研究。