- …
- …
#423
summarized by : Takeru Oba
どんな論文か？
自動運転などにおいては，あらゆるケースを想定して，モデルが誤った予測をしないかをテストする必要がある．しかし，実際にすべてのケースをテストするのは計算コストが高すぎるため現実的ではない．そこで，本論文では敵対的な手法を提案し，モデルが失敗しやすいようなケースを生成することで，効率的にテストをする．
新規性
提案手法では，事前に決められた危険度を測る関数の値を最大化するように，車の軌跡に摂動を加える（敵対的学習）．また，車の軌跡を変化に伴いLiDARから得られるセンサーデータも変化させる方法についても提案した．
結果
既存データセットに，提案手法でデータを変化させた時，どれだけ失敗（車の衝突など）が増加するかを調べた．その結果，様々なモデルにおいて，失敗率が上昇したことから，モデルの失敗するようなケースの生成に成功していることを示した．
その他（なぜ通ったか？等）
- …
- …