0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

車道的視覺識別缺陷:三張紙片將特斯拉“騙”上錯誤路線

電子工程師 ? 來源:YXQ ? 2019-04-07 09:17 ? 次閱讀

隨著高級輔助駕駛系統(tǒng)已經(jīng)逐漸應(yīng)用到大眾車型中,這一技術(shù)的安全性也受到越來越多的關(guān)注。

近日,騰訊科恩實驗室公布了一項在特斯拉 Model S 上進行的安全性研究,并發(fā)布報告指出了三個缺陷。其中包括一個與雨刷相關(guān)的視覺識別缺陷和兩個輔助駕駛相關(guān)的缺陷。

該團隊通過不同方法誤導(dǎo)車輛對環(huán)境、道路的感知,進而讓車輛作出“開啟雨刷”、“變道”的錯誤決策。此外,該團隊還通過攻擊輔助駕駛系統(tǒng)實現(xiàn)用游戲手柄控制車輛行進。

視頻|實驗過程展示(來源:騰訊科恩實驗室)

一、雨刷的視覺識別缺陷

正常情況下,特斯拉能夠在圖像識別技術(shù)的支持下,自動根據(jù)天氣狀況開啟雨刷功能并調(diào)節(jié)雨刷工作速度。

在實驗中,團隊將特斯拉停在一個室內(nèi)環(huán)境中,在車輛前播放特定的干擾畫面,使車輛得出了下雨的錯誤判斷,導(dǎo)致雨刷自動啟動。實驗室表示,這是利用 AI 對抗樣本生成技術(shù)生成特定圖像并實現(xiàn)了對汽車的干擾,而在隨機生成的畫面中則不會出現(xiàn)這種情況。

(來源:騰訊科恩實驗室)

二、車道的視覺識別缺陷:三張紙片將特斯拉“騙”上錯誤路線。

特斯拉 Autopilot 輔助駕駛系統(tǒng)能夠識別道路上的車道線,進行沿道路行進和變道等操作。

在科恩實驗室發(fā)布的視頻演示中,道路特定位置上擺放三張小紙片,一般情況下人類駕駛員都難以輕易察覺紙片的存在,然而特斯拉在 Autopilot 駕駛模式下行駛到該位置時,突然作出轉(zhuǎn)向決策進入到隔壁的逆行車道。

(來源:騰訊科恩實驗室)

從結(jié)果上來看,紙片的放置干擾了車輛對車道的判斷,最終導(dǎo)致車輛作出如此離奇的決策。

騰訊團隊在報告中指出,在天氣識別和車道識別上,特斯拉都是基于視覺識別技術(shù)感知環(huán)境,再作出決策。團隊研究了特斯拉車道識別過程,在實際的道路上擺放了數(shù)個紙片,實現(xiàn)了物理上的對抗圖像攻擊(adversarial image attack),讓汽車產(chǎn)生了錯誤的車道判斷。

事實上,盡管機器學(xué)習(xí)在很多視覺識別任務(wù)上都有很好的表現(xiàn),但同時也存在問題,機器學(xué)習(xí)易受到對抗樣本的干擾,甚至是一些人類難以察覺的擾動都會讓系統(tǒng)產(chǎn)生完全不同的判斷。此次特斯拉被誤導(dǎo)的實驗現(xiàn)象也符合這一原理。

對這一結(jié)果,特斯拉回應(yīng)表示,這是人為改變了汽車所處的物理環(huán)境,引起了特斯拉行進的變化。在現(xiàn)實情況下,駕駛員的操作可以覆蓋 Autopilot 的決策。特斯拉再次強調(diào)駕駛員應(yīng)該隨時準(zhǔn)備好接管汽車。

三、遙控器操控車輛行駛

科恩實驗室此前曾利用漏洞獲得了 Model S(版本 2018.6.1)的 Autopilot 控制權(quán),在最新的實驗中,團隊實現(xiàn)了在 Autopilot 系統(tǒng)沒有被車主主動開啟的情況下,也可以利用 Autopilot 功能實現(xiàn)通過游戲手柄對車輛行駛方向進行操控。

(來源:騰訊科恩實驗室)

對這一漏洞,特斯拉回應(yīng)表示,報告里面提到的漏洞已在 2017 年的一次安全更新中修復(fù)了。此外,特斯拉稱多年來并沒有用戶反映有車輛被遙控器操控的案例出現(xiàn)。

智能化程度越來越高的情況下,車上的系統(tǒng)漏洞成為一個越來越被重視的問題。事實上,所有的操作系統(tǒng)都無可避免地存在漏洞。在過去 4 年里,特斯拉一直進行著一個漏洞獎勵項目,對每個發(fā)現(xiàn)特斯拉漏洞人給予上萬美元的獎勵。而對于已經(jīng)發(fā)現(xiàn)的漏洞,特斯拉則能在一次次的升級中進行修復(fù)。

不過話說回來,車輛的安全與用戶的人身安全息息相關(guān), 特別是隨著自動駕駛技術(shù)的運用,在未來很長一段時間內(nèi),關(guān)于車輛系統(tǒng)安全問題的爭議還將一直持續(xù)下去。

而對于普通的車主來說,汽車智能化程度的提升毫無疑問能夠提升我們的用車體驗,但同時我們必須接受的是,自動駕駛系統(tǒng)可能永遠無法達到永不犯錯、無懈可擊的程度。因此,對輔助駕駛系統(tǒng)保持一個警惕的心,保持注意力、拿好方向盤,隨時將車輛掌握在自己手里才是正解。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 特斯拉
    +關(guān)注

    關(guān)注

    66

    文章

    6320

    瀏覽量

    126665
  • 視覺識別
    +關(guān)注

    關(guān)注

    3

    文章

    89

    瀏覽量

    16769

原文標(biāo)題:三張貼紙"欺騙"一臺特斯拉,騰訊科恩實驗室指出Autopilot視覺識別缺陷

文章出處:【微信號:deeptechchina,微信公眾號:deeptechchina】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    開源項目 ! 利用邊緣計算打造便攜式視覺識別系統(tǒng)

    利用邊緣計算打造便攜式人工智能解決方案,面向開發(fā)者的視覺識別項目! 自制視覺識別系統(tǒng) 我們深入探究一套堪稱絕妙的軟硬件組合,以助力開發(fā)者
    發(fā)表于 12-16 16:31

    【實戰(zhàn)】Python+OpenCV車道線檢測識別項目:實現(xiàn)L2級別自動駕駛必備(配套課程+平臺實踐)

    的一個必備技能——車道線檢測。本文詳細介紹一個車道線檢測項目的過程,從圖像采集到車道線的準(zhǔn)確識別,看看在L2自動駕駛中,如何通過圖像處理技
    的頭像 發(fā)表于 12-16 15:42 ?399次閱讀
    【實戰(zhàn)】Python+OpenCV<b class='flag-5'>車道</b>線檢測<b class='flag-5'>識別</b>項目:實現(xiàn)L2級別自動駕駛必備(配套課程+平臺實踐)

    工業(yè)視覺在條碼/二維碼識別領(lǐng)域的應(yīng)用

    工業(yè)視覺技術(shù)在條碼和二維碼識別領(lǐng)域的應(yīng)用日益廣泛,它通過高精度的圖像處理和識別算法,實現(xiàn)了對條碼和二維碼的快速、準(zhǔn)確識別。這項技術(shù)不僅提高了生產(chǎn)效率,還降低了人工
    的頭像 發(fā)表于 11-18 16:28 ?282次閱讀
    工業(yè)<b class='flag-5'>視覺</b>在條碼/二維碼<b class='flag-5'>識別</b>領(lǐng)域的應(yīng)用

    特斯拉智能駕駛|從視覺優(yōu)先的技術(shù)路徑到未來的挑戰(zhàn)?

    特斯拉作為全球智能駕駛領(lǐng)域的技術(shù)先鋒,其FSD(Full Self-Driving)方案選擇了獨特的純視覺自動駕駛路線,摒棄了激光雷達和高精度地圖的使用。特斯拉通過其自研的攝像頭感知方
    的頭像 發(fā)表于 09-12 08:57 ?4111次閱讀
    <b class='flag-5'>特斯拉</b>智能駕駛|從<b class='flag-5'>視覺</b>優(yōu)先的技術(shù)路徑到未來的挑戰(zhàn)?

    產(chǎn)品標(biāo)簽OCR識別缺陷檢測系統(tǒng)方案

    目前實驗來看,康耐德機器視覺可以檢測出標(biāo)簽有無以及有沒貼歪斜,印刷字符只能檢測出缺陷比較大的產(chǎn)品,具體還要以實際缺陷產(chǎn)品來模擬確認。此方案適合65mm以下產(chǎn)品,由于顏色太多,不能所有產(chǎn)品都兼容。
    的頭像 發(fā)表于 06-10 18:26 ?779次閱讀
    產(chǎn)品標(biāo)簽OCR<b class='flag-5'>識別</b><b class='flag-5'>缺陷</b>檢測系統(tǒng)方案

    AIDI工業(yè)AI視覺檢測軟件介紹

    AIDI是一款基于深度學(xué)習(xí)的智能工業(yè)視覺平臺應(yīng)用于多種工業(yè)應(yīng)用場景,有效解決復(fù)雜缺陷的定位識別、分類定級及字符識別等問題,具有強大的兼容性。AIDI 內(nèi)置多種應(yīng)用模塊,無需編程,幫助用
    發(fā)表于 03-25 21:52

    一目了然:機器視覺缺陷識別方法

    機器視覺缺陷檢測技術(shù)在工業(yè)生產(chǎn)、醫(yī)療影像、安防監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用,能夠提高產(chǎn)品質(zhì)量、生產(chǎn)效率和安全性。機器視覺缺陷檢測原理機器視覺
    的頭像 發(fā)表于 03-18 17:54 ?1223次閱讀
    一目了然:機器<b class='flag-5'>視覺</b><b class='flag-5'>缺陷</b><b class='flag-5'>識別</b>方法

    機器視覺如何檢測橡膠圈外觀尺寸檢測?

    外觀檢測 機器視覺系統(tǒng)可以檢測橡膠圈表面的缺陷,裂紋、氣泡、凹陷等。通過圖像處理算法,系統(tǒng)能夠準(zhǔn)確識別并標(biāo)記出這些缺陷。系統(tǒng)能夠精確識別顏色
    的頭像 發(fā)表于 03-15 17:24 ?610次閱讀

    機器視覺的圖像目標(biāo)識別方法綜述

    文章來源:MEMS引言從20世紀(jì)80年代開始,機器視覺技術(shù)的發(fā)展速度不斷加快,已經(jīng)走進了人們的日常生活與工作之中。機器視覺的圖像目標(biāo)識別系統(tǒng)的自動化程度較高,應(yīng)用范圍廣,尤其在危險場所的運用,采用
    的頭像 發(fā)表于 02-23 08:26 ?752次閱讀
    機器<b class='flag-5'>視覺</b>的圖像目標(biāo)<b class='flag-5'>識別</b>方法綜述

    機器視覺缺陷檢測是工業(yè)自動化領(lǐng)域的一項關(guān)鍵技術(shù)

    機器視覺缺陷檢測是工業(yè)自動化領(lǐng)域的一項關(guān)鍵技術(shù),
    的頭像 發(fā)表于 02-22 13:59 ?551次閱讀
    機器<b class='flag-5'>視覺</b><b class='flag-5'>缺陷</b>檢測是工業(yè)自動化領(lǐng)域的一項關(guān)鍵技術(shù)

    2023年工業(yè)視覺缺陷檢測經(jīng)驗分享

    表面缺陷檢測任務(wù)是指通過對產(chǎn)品表面進行仔細的檢查和評估,以發(fā)現(xiàn)和識別任何不符合質(zhì)量標(biāo)準(zhǔn)或設(shè)計要求的表面缺陷。這項任務(wù)的目的是確保產(chǎn)品的外觀質(zhì)量和功能性滿足預(yù)定的要求,從而提高產(chǎn)品的整體質(zhì)量和客戶滿意度。
    發(fā)表于 02-21 14:31 ?1132次閱讀
    2023年工業(yè)<b class='flag-5'>視覺</b><b class='flag-5'>缺陷</b>檢測經(jīng)驗分享

    視覺檢測設(shè)備的分類

    視覺檢測設(shè)備是一種利用攝像頭、傳感器、光源和圖像處理算法等技術(shù)組成的設(shè)備,用于檢測、識別、分析和判斷圖像或視頻中目標(biāo)物體的特征、屬性、狀態(tài)或缺陷。這些設(shè)備可以應(yīng)用于各種行業(yè)和領(lǐng)域,包括工業(yè)自動化
    的頭像 發(fā)表于 02-21 09:41 ?1461次閱讀
    <b class='flag-5'>視覺</b>檢測設(shè)備的分類

    機器視覺在織物缺陷圖像識別中的應(yīng)用與分析

    基于圖像的織物疵點自動檢測技術(shù)已成為了該領(lǐng)域近年來的的研究熱點,其代替人工織物疵點檢測的研究算法也逐漸成為可能,主流方法一般分為兩大類, 一是基于傳統(tǒng)圖像處理的織物缺陷檢測方法,二是基于深度學(xué)習(xí)算法的織物缺陷檢測定位方法。
    發(fā)表于 02-20 14:24 ?624次閱讀
    機器<b class='flag-5'>視覺</b>在織物<b class='flag-5'>缺陷</b>圖像<b class='flag-5'>識別</b>中的應(yīng)用與分析

    特斯拉因顯示字體錯誤召回219萬輛汽車

    早在去年,特斯拉CEO埃隆·馬斯克就曾公開表示,NHTSAOTA升級定義為召回是“錯誤且陳舊”的觀念。取而代之的應(yīng)該是更精準(zhǔn)的用法。
    的頭像 發(fā)表于 02-03 10:59 ?778次閱讀

    鋰電池外殼外觀缺陷檢測的應(yīng)用實踐

    AI機器視覺系統(tǒng)的核心是深度學(xué)習(xí)算法。通過大量樣本數(shù)據(jù)的訓(xùn)練,系統(tǒng)能夠?qū)W習(xí)并識別鋰電池外殼各種缺陷的特征。
    發(fā)表于 01-18 15:50 ?960次閱讀