Mar, 2023

使用可达性分析实现自主汽车的物理后门触发激活

PDF
TL;DR本研究揭示自动驾驶车辆（AVs）面临潜在的隐藏后门威胁，提出了在交通系统中识别激活风险区域及提供相应轨迹的方法，旨在提高 AVs 的安全性和解决其面临的漏洞问题。
autonomous vehiclesbackdoorstraffic systemssafety strategiesvulnerability
发现论文，激发创造
  • 关于在基于概率规划框架下注入可达性安全保证以应对人机交互的研究

    本文提出了一种最小干预的安全控制器，通过使用到达性分析构建实时控制器，实现单车道场景中无碰撞互动的自动驾驶汽车交通合作，并验证其有效性及安全性。

    Dec, 2018

  • 利用后门操纵轨迹预测

    自动驾驶车辆需要预测周围车辆的轨迹，以在不确定和复杂的交通情况下进行安全操纵。本文重点研究了轨迹预测中被忽视的安全威胁 - 后门，并调查了影响轨迹预测的四个触发器。研究结果显示，这些触发器与期望输出相关联时，能够影响先进的轨迹预测模型的输出，从而暴露后门的漏洞。此外，本文评估了一些对抗后门的防御方法，其中聚类技术是一种有潜力的策略。

    Dec, 2023

  • 一个高效的基于可达性的框架，用于在未知环境下证明安全的自主导航

    本研究提出了一种基于 Hamilton-Jacobi 可达性的实时安全分析方法，该方法可以在未知的环境下为自主车辆提供强有力的安全保障。

    May, 2019

  • 探索基于深度强化学习的交通拥堵控制系统后门攻击：Stop-and-Go

    本文探讨了基于深度强化学习的自动驾驶车辆控制器中的后门攻击以及特定条件下的拥堵攻击和保险攻击，在交通物理原理的基础上设计了触发策略，并在单车道和双车道环路上进行了测试。实验结果表明，攻击并未明显降低正常操作性能，但在特定条件下可被激活以导致事故或拥堵。

    Mar, 2020

  • 自动驾驶中驾驶员干预行为分析 —— 一种融入 VR 的方法

    该研究通过实施虚拟现实和交通微模拟集成的实验环境，并在典型和多样化的交通场景下进行测试，提出了驾驶员介入行为的新视角，从而改善自动驾驶在类似情景下的表现，并为人与自动化系统之间的信任关系研究提供了有价值的综合与沉浸式工具。

    Dec, 2023

  • 基于分层深度强化学习的考虑车辆重量的风险预测自主驾驶策略

    自动驾驶策略研究提出了基于风险预测的方法，利用周围车辆的重量建立风险指示器并采用分层深度强化学习。模拟结果显示该方法能同时降低潜在事故的发生几率和后果，并提高驾驶效率。

    Dec, 2023

  • 高速公路自动驾驶车辆的自适应应激测试新框架

    我们提出了一个基于自适应压力测试方法的新框架，用于系统地探索可能导致安全问题的角落案例，以提高自动驾驶汽车的安全性和可靠性。

    Feb, 2024

  • 自动驾驶车辆在全自动和混合交通条件下的开发与评估

    自动驾驶汽车技术快速发展，对道路交通安全产生了重大影响，同时也解决了多种复杂的交通问题。为了确保自动驾驶汽车之间以及自动驾驶汽车与人类驾驶员之间的合作互动，本研究提出了一个多阶段的方法，采用共享和关怀的车对车通信策略来加强协同行为。通过进行一项调查来验证自动驾驶汽车的驾驶性能，并可用于一个混合交通案例研究，重点研究人类驾驶员如何对待与他们同时驾驶在同一条道路上的自动驾驶汽车。研究结果表明，采用深度强化学习，自动驾驶车辆获得了接近人类驾驶性能的驾驶行为。在自动驾驶汽车网络中采用共享和关怀的车对车通信可以提高其驾驶行为，促进更有效的行动计划，并增进自动驾驶汽车之间的合作行为。调查结果显示，无法保证混合交通中的安全性，因为我们无法控制人类驾驶员出于自我的行为，如果他们决定与自动驾驶汽车竞争。因此，本研究倡导加强对自动驾驶汽车在公共道路上安全融入的研究。

    Dec, 2023

  • 行为分析检测自主驾驶车辆

    利用图像和状态信息，该研究提出了一种全面的自动驾驶监测框架，旨在自动识别自动驾驶车辆与人工驾驶车辆的行为，并在充分考虑数据采集条件不佳的情况下进行测试。

    Mar, 2024

  • 自动驾驶车辆控制系统验证和确认的司机和车辆相互作用博弈模型

    该论文介绍了一种基于博弈论的交通模型，该模型可以用于测试、比较和校准各种自主车辆决策和控制系统，并提供了一个交通仿真环境来优化自主车辆控制系统的参数。

    Aug, 2016