TrajRS는 보행자 궤적 예측 모델에 검증된(certified) 강건성을 제공하기 위해 랜덤 스무딩(Randomized Smoothing) 프레임워크를 확장한 방법이다. 궤적 예측에 대한 적대적 공격은 예측 정확도를 크게 떨어뜨려 위험한 주행을 유발할 수 있는데, 기존 휴리스틱 방어는 정교한 표적 공격에 취약하다는 문제의식에서 출발한다. TrajRS는 스무딩된 궤적 예측기에 대해 인증된 강건 반경(certified robust radius)을 제공하며, 궤적 예측에서의 강건성 정의를 명확히 하고 '최적 예측에 대한 강건성'과 '가능한 모든 예측에 대한 강건성' 두 실무 방식으로 구체화했다. 광범위한 실험에서 이 연구의 모든 스무딩된 보행자 궤적 예측기에 대해 강건성 인증을 달성했다. 안전한 자율주행을 위해 휴리스틱 방어를 넘어 검증 가능한 안전 보증을 제시한다는 의의가 있다. IEEE ICASSP 2026 채택 논문이다.
- •랜덤 스무딩을 확장해 보행자 궁적 예측에 인증된 강건 반경을 제공하는 TrajRS
- •휴리스틱 방어가 정교한 표적 적대공격에 취약하다는 문제에서 출발
- •'최적 예측 강건성'과 '모든 가능 예측 강건성' 두 가지 형식적 정의로 구체화
- •실험에서 모든 스무딩 보행자 궁적 예측기에 대한 강건성 인증 달성
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction
- 1.TrajRS 제안: 랜덤화 스무딩을 확장해 보행자 굤적 예측 모델에 인증된 강건 반경 제공(ICASSP 2026)
- 2.굤적 예측의 강건성을 '최적 예측'과 '모든 가능 예측' 두 정의로 형식화·확장
- 3.휴리스틱 방어가 정교한 표적 공격에 무력한 문제를 검증 가능한 안전 보증으로 대체
- 4.실험에서 스무딩된 보행자 굤적 예측기 전체에 대해 강건성 인증 달성
왜 중요한가?
자율주행에서 궤적 예측이 적대적 공격에 뚫리면 위험 운전으로 직결되는데, 경험적 방어가 아닌 수학적으로 인증된 강건 반경을 제공한다는 점이 다르다. 이미지 분류에 쓰이던 인증 강건성 기법이 시계열 안전 시스템으로 확장되는 흐름을 보여준다.
언급 프로젝트
본문 미리보기
arXiv:2606.28716v1 Announce Type: new Abstract: The robustness of trajectory prediction models is crucial for developing safe autonomous driving systems. Adversarial attacks on trajectory prediction can significantly impair the accuracy of predicted trajectories, leading to hazardous driving behaviors. While heuristic defense strategies have been implemented to enhance the robustness of trajectory prediction models, these measures often fail against more sophisticated, targeted adversarial atta
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:40AI 초안
