Publication

Toward Robust Sensing for Autonomous Vehicles: An Adversarial Perspective

Pascal Frossard, Andrea Cavallaro, Apostolos Modas
2020
Journal Articles

Résumé

Autonomous vehicles (AVs) rely on accurate and robust sensor observations for safety-critical decision making in a variety of conditions. The fundamental building blocks of such systems are sensors and classifiers that process ultrasound, radar, GPS, lidar, and camera signals [1]. It is of primary importance that the resulting decisions are robust to perturbations, which can take the form of different types of nuisances and data transformations and can even be adversarial perturbations (APs).

Source officielle

https://infoscience.epfl.ch/entities/publication/41d89e9d-de1a-425c-8172-74e61fc95406

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Toward Robust Sensing for Autonomous Vehicles: An Adversarial Perspective

Chattez avec Graph Search

Reliable data-driven decision-making through optimal transport

Laser-based ultrasound inspection system

Understanding generalization and robustness in modern deep learning