為自動駕駛汽車設(shè)計強大的計算機視覺系統(tǒng)
盡管自動駕駛汽車 (AV) 的歷史可以追溯到 20 世紀 90 年代，但大多數(shù)自動駕駛汽車的研究都是使用實驗室的測試數(shù)據(jù)進行的 。
文章插圖
魯棒 人工智能大挑戰(zhàn)賽是與未來系統(tǒng)和技術(shù)理事會、新加坡國防部和 DSO 國家實驗室合作舉辦的，旨在讓來自高等教育機構(gòu) (IHL) 和研究所 (RI) 的研究人員和學(xué)者開發(fā)創(chuàng)新解決方案克服自動駕駛汽車計算機視覺(CV)系統(tǒng)中人工智能(AI)模型的漏洞 。
三支隊伍被選拔參加這項挑戰(zhàn)賽——兩支來自南洋理工大學(xué)(NTU)的隊伍和一支來自新加坡國立大學(xué)(NUS)的隊伍 。SMU 計算機科學(xué)助理教授和李光前研究員謝曉飛將作為南洋理工大學(xué)團隊的一員參加比賽 。
當被問及是什么促使他參加這項挑戰(zhàn)時 ， 謝教授回答說：“當我在南洋理工大學(xué)時，我有機會與劉洋教授和其他聯(lián)合首席研究員合作開展多個研究項目 。此外，可信軟件和人工智能領(lǐng)域也符合我的研究興趣 。”
他補充道：“對我來說，另一個激勵因素是有機會構(gòu)建強大的人工智能模型并在現(xiàn)實世界中對其進行測試 。
“事實證明，任何物理威脅或攻擊都會影響計算機視覺系統(tǒng)的準確性 。我相信這就是為什么大挑戰(zhàn)賽旨在挑戰(zhàn)研究人員為自動駕駛汽車設(shè)計 CV 系統(tǒng)，使其在任何物理威脅或攻擊發(fā)生后能夠恢復(fù)到至少 80% 的原始精度;例如，另一輛車突然轉(zhuǎn)向 AV 。雖然在某些測試基準上已經(jīng)獲得了 80% 的準確度，但迄今為止 ， 實際數(shù)據(jù)尚未達到這一閾值 。”
他繼續(xù)說道：“除了在挑戰(zhàn)中滿足這一精度閾值之外，團隊還需要深入研究與自動駕駛系統(tǒng)相關(guān)的三個特定的 CV 場景，包括它們檢測物體的能力，提供物體到目標的深度和距離的可接受的估計 。AV，并對圖像的每個像素進行分類，以便輕松、準確地識別 。”
這個調(diào)查
除了謝教授之外，南大團隊還有其他六名研究人員 。他們包括劉陽教授、郭慶博士、張?zhí)靷ブ斫淌凇㈥悈沃斫淌凇垵h旺助理教授和董進松教授 。
為了在這一重大挑戰(zhàn)中獲得一席之地，該團隊設(shè)計了四個工作包，作為其綜合研究項目的一部分，該項目于 2023 年 7 月 1 日剛剛開始 ， 將持續(xù)三年 。該項目的前兩年將用于開發(fā)最佳的CV技術(shù) ， 而第三年將側(cè)重于現(xiàn)場測試該技術(shù) 。
四個工作包
Work Package 1 旨在提供統(tǒng)一且全面的 AV 視覺表示 。
目前，大多數(shù)關(guān)于自動駕駛表示的研究都集中在靜態(tài)或特定情況下的單向傳感和目標檢測 。現(xiàn)有的自動駕駛表示通常采用單獨的模型來處理和識別不同類型的數(shù)據(jù) ， 例如圖像、 利用三維 (3D) 和激光掃描或其他傳感組合的LiDAR (光檢測和測距的縮寫)信號視覺方式 。
雖然當前的 AV 視覺表示方法非常適合其設(shè)計的數(shù)據(jù)類型，但缺乏不同數(shù)據(jù)類型的集成 。這可能會影響 AV 系統(tǒng)的整體性能和效率 。例如 ， 盡管擁有針對減輕針對圖像數(shù)據(jù)的攻擊而優(yōu)化的防御機制 ， 但自動駕駛汽車可能容易受到針對激光雷達信號的攻擊 。
這就是為什么這個工作包的重點是創(chuàng)建一個統(tǒng)一的多視圖和多模態(tài)表示 ， 它不僅可以結(jié)合豐富信息的檢測和考慮，還??可以使用來自不同相機鏡頭、圖像和激光雷達信號的輸入 。在此過程中，研究團隊打算建立強大的模型，可以匹配不斷變化的場景，或模擬物理世界中發(fā)生的威脅/攻擊 。
考慮到在物理世界中進行實驗的復(fù)雜性和成本 ， 工作包 2 的 重點是綜合數(shù)字世界和物理世界之間的實際工作威脅 。
通過利用工作包 1 中描述的統(tǒng)一表示，研究團隊的目標是在將 CV 模型部署到物理 AV 系統(tǒng)之前 ， 更有效地迭代和評估 CV 模型的魯棒性 。
此外，通過統(tǒng)一的表示，研究團隊將能夠模擬天氣條件的變化，修改場景中的對象，甚至合并其他現(xiàn)實世界的變化 ， 例如有人在自動駕駛汽車前面奔跑 。
工作包 3背后的目的 是通過重建不同的場景來集成多個視圖和模式，以提高 AV 在受到威脅或攻擊時做出穩(wěn)健且正確決策的能力 。
研究團隊還將深入研究對抗性修復(fù)技術(shù)的概念，以增強自動駕駛汽車的彈性 。
工作包 4 將深入理解人工智能決策過程的邏輯 。
為此 ， 研究團隊將首先分析神經(jīng)元的行為以及與模型預(yù)測相關(guān)的各自權(quán)重，以深入了解人工智能系統(tǒng)所采用的決策邏輯 。
研究人員還將探索有助于模型預(yù)測的重要特征，特別是為什么某些數(shù)據(jù)點被歸類為攻擊或威脅的前兆 。這一探索將使研究人員能夠了解攻擊如何利用人工智能決策過程的漏洞 。
【為自動駕駛汽車設(shè)計強大的計算機視覺系統(tǒng)】一旦徹底了解人工智能決策過程的邏輯，研究人員將繼續(xù)通過調(diào)整神經(jīng)元的影響和/或預(yù)測權(quán)重來增強模型針對此類攻擊的魯棒性，以構(gòu)建更具彈性的系統(tǒng) 。
推薦閱讀
- 古人稱男子二十歲為什么之年 古人稱男子三十歲為
- ps換發(fā)型 ps換發(fā)型插件
- 20寸 20寸登機箱
- 為什么手機usb連不上電腦 電腦連不上手機USB
- 史上最短命駕照 壽命最短的駕駛證
- 華為碎屏險怎么買 華為碎屏險怎么買的
- cassi cassi官網(wǎng)
- 免費的網(wǎng)游
- ppt怎么自動播放下一張 2007ppt怎么自動播放下一張
- 黃蟬 黃蟬屬