arXiv:2603.28594cs.CVcs.AI2026-03中稿 · and presented at S…
针对机器人感知中的语义分割，提出针对性的对抗攻击检测方法。
Detection of Adversarial Attacks in Robotic Perception
- 设计适用于机器人语义分割任务的专用检测架构
- 在真实机器人场景中实现高精度对抗样本识别
- 为自动驾驶等安全关键应用提供可靠保障
深度神经网络（DNN）在机器人感知的语义分割任务中表现优异，但仍易受对抗攻击影响，威胁到安全关键应用。尽管图像分类领域的鲁棒性已得到广泛研究，但机器人环境中的语义分割需要专门的架构与检测策略。
原文摘要 · Abstract (English)
Deep Neural Networks (DNNs) achieve strong performance in semantic segmentation for robotic perception but remain vulnerable to adversarial attacks, threatening safety-critical applications. While robustness has been studied for image classification, semantic segmentation in robotic contexts requires specialized architectures and detection strategies.
机器人感知对抗攻击语义分割
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。