Noticias sobre Autonomous Vehicles

El documento propone el sistema AdaptAV, que utiliza el modelo oráculo de alto rendimiento de la nube para volver a entrenar continuamente el modelo de visión liviano del vehículo y transmitir actualizaciones. En comparación con la implementación estática de modelos anteriores o las actualizaciones fuera de línea, AdaptAV ha construido un paradigma de aprendizaje de circuito cerrado de automóviles en la nube, que aborda directamente el problema de la generalización débil de modelos pequeños en escenarios novedosos. Sin embargo, todavía se encuentra en etapa de propuesta y no tiene verificación experimental.

Investigadores de la Universidad de California propusieron ACA, el primer ataque físico a la calibración LiDAR de cámara en línea para conducción autónoma. En comparación con ataques anteriores que suponían una calibración correcta, ACA utiliza la calibración en línea como una nueva superficie de ataque. Una manipulación puede contaminar continuamente una fusión posterior y los errores se propagan desde la percepción hasta el control de la planificación. Esto significa que las evaluaciones de seguridad de la conducción autónoma deben incorporar salvaguardias de integridad de la calibración.