Prepared for the Worst: A Learning-Based Adversarial Attack for Resilience Analysis of the ICP Algorithm

要約

この論文では、LIDAR 点群に対する深層学習ベースの攻撃を介して、反復最近接点 (ICP) アルゴリズムの回復力を評価する新しい方法を紹介します。
自律ナビゲーションなどの安全性が重要なアプリケーションの場合、展開前にアルゴリズムの復元力を確保することが最も重要です。
ICP アルゴリズムは、LIDAR ベースの位置特定の標準となっています。
ただし、生成される姿勢推定は、測定値の破損によって大きく影響される可能性があります。
破損は、閉塞、悪天候、センサーの機械的問題など、さまざまなシナリオから発生する可能性があります。
残念ながら、ICP は複雑で反復的な性質を持っているため、汚職に対するその回復力を評価するのは困難です。
困難なデータセットを作成し、ICP の回復力を経験的に評価するシミュレーションを開発する取り組みが行われてきましたが、私たちの手法は、摂動ベースの敵対的攻撃を使用して、考えられる最大の ICP ポーズエラーを見つけることに焦点を当てています。
提案された攻撃は、ICP で重大なポーズ エラーを誘発し、幅広いシナリオにわたって 88% 以上の確率でベースラインを上回ります。
アプリケーション例として、ICP が測定値の破損に対して特に脆弱な地図上の領域を特定するために攻撃を使用できることを示します。

要約(オリジナル)

This paper presents a novel method to assess the resilience of the Iterative Closest Point (ICP) algorithm via deep-learning-based attacks on lidar point clouds. For safety-critical applications such as autonomous navigation, ensuring the resilience of algorithms prior to deployments is of utmost importance. The ICP algorithm has become the standard for lidar-based localization. However, the pose estimate it produces can be greatly affected by corruption in the measurements. Corruption can arise from a variety of scenarios such as occlusions, adverse weather, or mechanical issues in the sensor. Unfortunately, the complex and iterative nature of ICP makes assessing its resilience to corruption challenging. While there have been efforts to create challenging datasets and develop simulations to evaluate the resilience of ICP empirically, our method focuses on finding the maximum possible ICP pose error using perturbation-based adversarial attacks. The proposed attack induces significant pose errors on ICP and outperforms baselines more than 88% of the time across a wide range of scenarios. As an example application, we demonstrate that our attack can be used to identify areas on a map where ICP is particularly vulnerable to corruption in the measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google