TrajPAC: 面向行人轨迹预测模型的鲁棒性验证

本文介绍了一种预测自动驾驶系统轨迹时防御对抗性攻击的方法，通过对抗训练和数据增强提高性能，减少在净数据上的性能损失。该方法在对抗数据上性能提高了46％，净数据性能仅降低了3％。与现有鲁棒方法相比，该方法在对抗样本上的性能提高了21％，在干净数据上的性能提高了9％。通过对规划器的评估，证明该模型可以显著减少严重事故率。