Exploring Adversarial Robustness of LiDAR-Camera Fusion Model in Autonomous Driving

要約

本研究では、3D物体検出におけるLiDARとカメラの融合モデルの敵対的頑健性を評価する。限られた数の物理的に制約された敵対的な点を車の上に追加するだけで、融合モデルによって車を検出できなくすることができる攻撃手法を紹介する。実験の結果、画像データチャネルに変更を加えなくても、LiDARデータチャネルを操作するだけで、融合モデルを欺くことができることが明らかになった。この発見は、自律走行分野における安全性の懸念を提起するものである。さらに、敵対点の量、前方車とLiDAR搭載車との距離、様々な角度要因が攻撃成功率にどのように影響するかを探求しています。我々の研究は、マルチセンサーのロバスト性の理解に貢献し、自律走行の安全性を高めるための洞察と指針を提供できると考えている。

要約(オリジナル)

Our study assesses the adversarial robustness of LiDAR-camera fusion models in 3D object detection. We introduce an attack technique that, by simply adding a limited number of physically constrained adversarial points above a car, can make the car undetectable by the fusion model. Experimental results reveal that even without changes to the image data channel, the fusion model can be deceived solely by manipulating the LiDAR data channel. This finding raises safety concerns in the field of autonomous driving. Further, we explore how the quantity of adversarial points, the distance between the front-near car and the LiDAR-equipped car, and various angular factors affect the attack success rate. We believe our research can contribute to the understanding of multi-sensor robustness, offering insights and guidance to enhance the safety of autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL