Der Beitrag befasst sich mit der Entwicklung eines zertifizierten Trajektorienvorhersagemodells, das eine garantierte Robustheit gegen Eingaberauschen wie Angriffe und Beobachtungsfehler bietet.
Die Kernpunkte sind:
Anpassung des Randomized Smoothing-Verfahrens, das ursprünglich für Bildklassifizierung entwickelt wurde, an die Aufgabe der Trajektorienvorhersage. Dies erfordert die Lösung verschiedener Herausforderungen wie unbegrenzte Ausgaben und Multimodalität.
Integration eines Denoisers in den Ansatz, um die Leistung weiter zu verbessern. Tests zeigen, dass der Denoiser die Genauigkeit und Zertifizierungsgrenzen deutlich verbessert.
Einführung einer adaptiven Begrenzungsstrategie, um maximale Ausgabebereiche für die Trajektorienvorhersage zu definieren.
Definition einer neuen Zertifizierungsmethode, die die Multimodalität der Ausgaben berücksichtigt.
Umfassende Experimente, die die Effektivität des Ansatzes auf verschiedenen Baselines und Datensätzen zeigen. Dabei werden auch neue zertifizierte Leistungsmetriken eingeführt.
Der Ansatz liefert garantierte Robustheit der Trajektorienvorhersage gegen Rauschen und Angriffe, ohne die Genauigkeit stark zu beeinträchtigen.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Mohammadhoss... ที่ arxiv.org 03-21-2024
https://arxiv.org/pdf/2403.13778.pdfสอบถามเพิ่มเติม