💻 computer science

Still Camouflage, Moving Illusion: View-Induced Trajectory Manipulation in Autonomous Driving

यह शोध पत्र स्वायत्त ड्राइविंग (autonomous driving) के लिए एक नवीन भौतिक प्रतिकूल हमले (physical adversarial attack) के प्रतिमान को प्रस्तुत करता है जहाँ एक खड़ी हुई गाड़ी पर लगा एक स्थिर, निष्क्रिय छलावरण (static, passive camouflage), सापेक्ष गति के दौरान प्राकृतिक दृश्य-निर्भर उपस्थिति परिवर्तनों का लाभ उठाकर निरंतर फीचर ड्रिफ्ट (feature drift) उत्पन्न करता है, जिससे पीड़ित प्रणाली गलत प्रक्षेपवक्र (trajectories) का अनुमान लगा लेती है और जटिल मल्टी-व्यू अनुकूलन या सक्रिय हस्तक्षेप की आवश्यकता के बिना अनावश्यक हार्ड ब्रेकिंग को ट्रिगर करती है।

मूल लेखक: Shuo Ju, Qingzhao Zhang, Huashan Chen, Xuheng Wang, Haotang Li, Wanqian Zhang, Feng Liu, Kebin Peng, Sen He

प्रकाशित 2026-05-14

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Shuo Ju, Qingzhao Zhang, Huashan Chen, Xuheng Wang, Haotang Li, Wanqian Zhang, Feng Liu, Kebin Peng, Sen He

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक सेल्फ-ड्राइविंग कार चला रहे हैं। आपकी कार की "आंखें" कैमरे हैं, और उसका "दिमाग" एक कंप्यूटर है जो लगातार सड़क पर नज़र रखता है, यह अनुमान लगाता है कि अन्य कारें कहाँ जा रही हैं, और यह तय करता है कि उसे गति बढ़ानी चाहिए, धीमी करनी चाहिए, या लेन बदलनी चाहिए।

यह शोध पत्र उस कंप्यूटर दिमाग को धोखा देने का एक नया तरीका पेश करता है। शोधकर्ता इसे "स्टिल कैमौफ्लेज, मूविंग इल्यूजन" (स्थिर छलावरण, गतिशील भ्रम) कहते हैं।

यहाँ बताया गया है कि यह कैसे काम करता है, रोज़मर्रा के उदाहरणों का उपयोग करते हुए:

पुराना तरीका बनाम नया तरीका

पुराना तरीका ("गिरगिट" की समस्या): पिछले हमलों में एक कार पर एक विशेष, हाई-टेक स्टिकर लगाने की कोशिश की जाती थी जो हर कोण से अलग दिखता था। यह एक ऐसे गिरगिट को पेंट करने जैसा था जो आप चाहे किसी भी कोण से देखें, अपना रंग पूरी तरह से बदल लेता है। यह करना बहुत कठिन था क्योंकि कंप्यूटर को एक ही समय में हर संभव दृष्टिकोण से मूर्ख बनाना पड़ता था।
नया तरीका ("जादू का खेल"): यह शोध पत्र कहता है, "बदलते कोण से लड़ने की ज़रूरत क्यों है? चलिए इसका उपयोग करते हैं!"
कल्पना कीजिए कि आप एक खड़ी हुई कार के पास से गुजर रहे हैं। जैसे-जैसे आप चलते हैं, उस कार को देखने का कोण बदल जाता है। शोधकर्ताओं ने एक खड़ी कार पर एक स्थिर (बिना हिले-डुले रहने वाला) पैटर्न लगाया है। क्योंकि पैटर्न को बिल्कुल सही तरीके से डिज़ाइन किया गया है, इसलिए जैसे ही आपकी सेल्फ-ड्राइविंग कार उसके पास से गुजरती है, वह पैटर्न ऐसा दिखता है जैसे वह खिसक रहा है और हिल रहा है, भले ही वह कार पूरी तरह से स्थिर हो।

यह भ्रम कैसे काम करता है

इसे एक फ्लिप-बुक एनिमेशन की तरह समझें।

सेटअप: एक बुरा व्यक्ति सड़क के किनारे एक विशेष, अजीब तरह से पेंट किए गए कैमौफ्लेज (छलावरण) वाली कार पार्क कर देता है।
गति: आपकी सेल्फ-ड्राइविंग कार उस खड़ी कार के पास से गुजरती है।
चाल: जैसे ही आपकी कार चलती है, कैमरा हर सेकंड के कुछ अंश में खड़ी कार को थोड़े अलग कोणों से देखता है। विशेष पेंट जॉब को इस तरह डिज़ाइन किया गया है कि ये बदलते कोण कंप्यूटर को यह विश्वास दिलाते हैं कि खड़ी कार बगल में खिसक रही है (ड्रिफ्ट कर रही है)।
परिणाम: कंप्यूटर केवल एक सेकंड के लिए "ग्लिच" नहीं देखता। वह एक सुचारू, तार्किक कहानी देखता है: "ओह नहीं, वह खड़ी कार मेरी लेन में आ रही है!"

परिणाम: "फेक कट-इन"

क्योंकि कंप्यूटर विश्वास कर लेता है कि खड़ी कार उसकी लेन में आ रही है (कट-इन), वह घबरा जाता है।

प्रतिक्रिया: आपकी सेल्फ-ड्राइविंग कार ज़ोर से ब्रेक लगाती है (हार्ड ब्रेकिंग) या खड़ी कार को ओवरटेक करने से मना कर देती है, यह सोचकर कि यह असुरक्षित है।
वास्तविकता: खड़ी कार एक इंच भी नहीं हिली। वह केवल एक स्थिर कलाकृति थी जिसने कैमरे के परिप्रेक्ष्य (परस्पेक्टिव) के साथ एक चाल चली थी।

यह एक बड़ी बात क्यों है

शोधकर्ताओं ने वास्तविक ड्राइविंग वीडियो (nuScenes) के एक विशाल डेटासेट पर इसका परीक्षण किया। उन्होंने पाया कि:

यह बहुत अच्छी तरह काम करता है: उनके परीक्षण के मामलों में से 87.5% तक, सेल्फ-ड्राइविंग कार को ज़ोर से ब्रेक लगाने के लिए मजबूर कर दिया गया।
इसे तैनात करना आसान है: हमलावर को इमेज बदलने के लिए रोबोट, प्रोजेक्टर या कंप्यूटर की आवश्यकता नहीं है। उन्हें बस एक प्रिंटेड कैमौफ्लेज को कार पर चिपकाने और उसे पार्क करने की आवश्यकता है।
इसे रोकना कठिन है: क्योंकि "गति" कार के पास से गुजरने वाले प्राकृतिक भौतिक विज्ञान (फिजिक्स) से उत्पन्न होती है, इसलिए यह कंप्यूटर के लिए बहुत वास्तविक दिखता है। यह अचानक होने वाली त्रुटि नहीं है; यह एक सुचारू, विश्वसनीय झूठ है।

निचोड़

यह शोध पत्र दिखाता है कि सेल्फ-ड्राइविंग कारएं एक नए प्रकार के धोखे के प्रति संवेदनशील हैं: परिप्रेक्ष्य के प्राकृतिक बदलाव को एक हथियार के रूप में उपयोग करना। एक स्थिर वस्तु को सही ढंग से पेंट करके, एक हमलावर एक "घोस्ट" मोशन (छलावा गति) बना सकता है जो सेल्फ-ड्राइविंग कार को खतरनाक या अनावश्यक निर्णय लेने के लिए मजबूर कर देता है, और वह भी बिना पीड़ित की कार या सड़क को छुए।

तकनीकी सारांश: विज़न-प्रेरित प्रक्षेपवक्र हेरफेर (View-Induced Trajectory Manipulation) - स्वायत्त ड्राइविंग में

समस्या विवरण

विज़न-आधारित स्वायत्त ड्राइविंग (AD) प्रणालियों पर मौजूदा भौतिक प्रतिकूल हमलों (physical adversarial attacks) के लिए आमतौर पर परिष्कृत, गतिशील रूप से बदलते पैच या मल्टी-व्यू सुदृढ़ता (multi-view robustness) के लिए अनुकूलित स्थिर पैच की आवश्यकता होती है। ये दृष्टिकोण व्यूइंग-एंगल वेरिएशन (जो ईगो वाहन और लक्ष्य वाहन के बीच सापेक्ष गति के कारण होता है) को एक सुदृढ़ता चुनौती के रूप में देखते हैं जिसे ऑब्जेक्ट छिपाने या गलत वर्गीकरण जैसी धारणा त्रुटियों (perception errors) को प्रेरित करने के लिए पार किया जाना चाहिए। इसके परिणामस्वरूप, उन्हें जटिल मल्टी-व्यू अनुकूलन या सक्रिय हस्तक्षेप (जैसे, डायनेमिक डिस्प्ले) की आवश्यकता होती है।

यह शोध पत्र एक महत्वपूर्ण चूक की पहचान करता है: व्यूइंग-एंगल वेरेशन का उपयोग स्वयं एक हमला तंत्र (attack mechanism) के रूप में किया जा सकता है। वर्तमान प्रणालियाँ टेम्पोरल परसेप्शन (temporal perception) पर निर्भर करती हैं जहाँ डिटेक्शन को एसोसिएट, प्रेडिक्ट और प्लान किया जाता है। जबकि एक सिंगल-फ्रेम त्रुटि को फ़िल्टर किया जा सकता है, धारणा त्रुटियों का एक सुसंगत टेम्पोरल विकास (coherent temporal evolution) डाउनस्ट्रीम पाइपलाइन के माध्यम से प्लानिंग निर्णयों को प्रभावित करने के लिए प्रसारित हो सकता है। लेखक एक नया हमला प्रतिमान प्रस्तावित करते हैं: "स्टिल कैमॉफलेज, मूविंग इल्यूजन" (Still Camouflage, Moving Illusion)। इसका लक्ष्य एक वाहन पर लगे स्थिर, निष्क्रिय प्रतिकूल कैमॉफलेज (static, passive adversarial camouflage) का उपयोग करके प्राकृतिक सापेक्ष गति के माध्यम से फ्रेमों में निरंतर फीचर ड्रिफ्ट (feature drift) उत्पन्न करना है। यह AD सिस्टम को एक भौतिक रूप से प्रशंसनीय लेकिन गलत प्रक्षेपवक्र (जैसे, एक गलत कट-इन) का अनुमान लगाने के लिए मजबूर करता है, जिससे अनावश्यक हार्ड ब्रेकिंग या ओवरटेकिंग छोड़ने जैसे निर्णय ट्रिगर होते हैं।

कार्यप्रणाली (Methodology)

1. थ्रेट मॉडल (Threat Model)

विरोधी (Adversary): अपने नियंत्रण वाले वाहन पर एक स्थिर भौतिक कैमॉफलेज लगा सकता है।
ज्ञान (Knowledge): पीड़ित के परसेप्शन मॉडल तक व्हाइट-बॉक्स एक्सेस (या सरोगेट मॉडल के माध्यम से ट्रांसफर) है। डाउनस्ट्रीम ट्रैकिंग, प्रेडिक्शन या प्लानिंग मॉड्यूल के बारे में कोई ज्ञान नहीं माना गया है।
तंत्र (Mechanism): हमला स्वाभाविक सापेक्ष गति द्वारा निष्क्रिय रूप से ट्रिगर होता है। जैसे-जैसे पीड़ित वाहन कैमॉफलेज वाले वाहन के सापेक्ष चलता है, व्यूइंग एंगल बदलता है, जिससे स्थिर कैमॉफलेज का प्रोजेक्टेड अपीयरेंस विकसित होता है।
लक्ष्य (Goal): एक सुसंगत 3D बाउंडिंग बॉक्स (bbox) विस्थापन को प्रेरित करना जो प्लानिंग स्टेज तक प्रसारित हो सके और सुरक्षा-महत्वपूर्ण निर्णय लेने पर प्रभाव डाले।

2. अटैक पाइपलाइन (Attack Pipeline)

प्रस्तावित फ्रेमवर्क तीन चरणों से मिलकर बना है:

परिदृश्य चयन (Scenario Selection):
- अटैक फजीबिलिटी फिल्टर (AFF): उन अनुक्रमों (sequences) का चयन करता है जहाँ लक्ष्य वाहन दिखाई दे रहा हो, ईगो पाथ के लिए प्रासंगिक हो, और पहले से घुसपैठ न कर रहा हो।
- व्यूइंग-एंगल फिल्टर (VAF): विशेष रूप से उन अनुक्रमों का चयन करता है जिनमें पहले और अंतिम फ्रेम के बीच पर्याप्त व्यूइंग-एंगल वेरेशन हो। पिछले कार्यों के विपरीत, यहाँ बड़े वेरिएशन को दृश्य-निर्भर उपस्थिति विकास को बढ़ाने के लिए प्राथमिकता दी जाती है।
कैमॉफलेज रेंडरिंग (Camouflage Rendering):
- एक स्थिर कैमॉफलेज टेक्सचर ( $\delta$ ) को अनुकूलित किया जाता है और लक्ष्य वाहन के मेश (mesh) के रेंडर करने योग्य क्षेत्र पर मैप किया जाता है।
- ऑक्लूजन (occlusions) को सेगमेंटेशन मास्क (SAM2) का उपयोग करके संभाला जाता है, और रेंडरिंग कैमरा इंट्रिंसिक्स के साथ PyTorch3D द्वारा की जाती है।
प्लानिंग-गाइडेड ऑप्टिमाइजेशन (Planning-Guided Optimization):
- टारगेट सर्च: सिस्टम एक इष्टतम विस्थापन दिशा ( $\bar{u}$ ) और स्टेप साइज ( $\bar{s}$ ) की खोज करता है जो डाउनस्ट्रीम प्लानिंग त्रुटियों (जैसे, टक्कर या हार्ड ब्रेकिंग का कारण बनना) को अधिकतम करेगा।
- लॉस फंक्शन्स (Loss Functions): कैमॉफलेज को लक्ष्य दिशा में विस्थापन को अधिकतम करने के लिए अनुकूलित किया जाता है जबकि टेम्पोरल कंसिस्टेंसी सुनिश्चित की जाती है।
  - मूव लॉस ( $L_{move}$ ): 3D bbox सेंटर को लक्ष्य दिशा में ले जाता है।
  - प्रोग्रेस लॉस ( $L_{prog}$ ): एक प्रगतिशील रूप से बढ़ते विस्थापन ( $d_{k+1} - d_k \approx \bar{s}$ ) को लागू करता है ताकि एक सुसंगत मोशन इल्यूजन बनाया जा सके।
  - फिडेलिटी लॉस ( $L_{fid}$ ): यह सुनिश्चित करता है कि लक्ष्य एक वैध डिटेक्टेड ऑब्जेक्ट बना रहे (कॉन्फिडेंस, डाइमेंशन और यॉ (yaw) को बनाए रखते हुए)।
  - स्टाइल लॉस ( $L_{style}$ ): इसमें टोटल वेरिएशन (TV) और नॉन-प्रिंटेबिलिटी स्कोर (NPS) शामिल है ताकि पैटर्न प्रिंट करने योग्य और लो-नॉइज़ सुनिश्चित हो सके।
- सुदृढ़ता (Robustness): ऑप्टिमाइजेशन के दौरान 3D एक्सपेक्टेशन ओवर ट्रांसफॉर्मेशन (EoT) लागू किया जाता है, जो लक्ष्य पोज के लिए रैंडम परटर्बेशन (yaw, translation, depth, scale) पेश करता है।

मुख्य योगदान (Key Contributions)

नया हमला तंत्र: यह शोध पत्र व्यूइंग-एंगल वेरेशन को एक नए हमले के सतह (attack surface) के रूप में पहचानता है। यह प्रदर्शित करता है कि स्थिर कैमॉफलेज को प्राकृतिक ड्राइविंग डायनेमिक्स के माध्यम से गतिशील टेम्पोरल परटर्बेशन में बदला जा सकता है, जिससे सक्रिय या डायनेमिक एडवरसियल पैच की आवश्यकता समाप्त हो जाती है।
जियोमेट्री-कंस्ट्रेंड फ्रेमवर्क: एक स्थिर कैमॉफलेज बनाने के लिए एक विधि प्रस्तावित की गई है जो फ्रेमों में प्रोग्रेसिव 3D bbox मूवमेंट को प्रेरित करता है। यह फ्रेमवर्क सुनिश्चित करता है कि हमला भौतिक रूप से प्रोजेक्ट करने योग्य और टेम्पोरल रूप से सुसंगत हो।
सिस्टम-लेवल प्रभाव: यह कार्य प्रदर्शित करता है कि ये प्रेरित मोशन इल्यूजन एंड-टू-एंड AD पाइपलाइनों में ट्रैकिंग और प्रेडिक्शन मॉड्यूल के माध्यम से प्रसारित होकर वास्तविक, हानिकारक ड्राइविंग व्यवहार (जैसे ओवरटेकिंग छोड़ना, हार्ड ब्रेकिंग) को ट्रिगर करते हैं।

प्रयोगात्मक परिणाम (Experimental Results)

हमले का मूल्यांकन nuScenes डेटासेट पर 220 परिदृश्यों और तीन विज़न-आधारित 3D डिटेक्टर्स (BEVDet, BEVDepth, FastBEV++) पर किया गया। दो डाउनस्ट्रीम पाइपलाइन (पाइपलाइन A और B) ट्रैकिंग, प्रेडिक्शन और प्लानिंग को सिम्युलेट करने के लिए बनाई गई थीं।

सफलता दर (Success Rate): हमले ने 87.5% तक ASR (हार्ड-ब्रेकिंग इवेंट्स द्वारा मापा गया, जिसे $\ge 3.0 m/s^2$ मंदी के रूप में परिभाषित किया गया है) प्राप्त किया। क्रॉस-वैलिडेशन सेटिंग्स में, ASR 50.0% से 66.7% के बीच रहा।
टेम्पोरल कोहेरेंस (Temporal Coherence): प्रोग्रेसिव डिस्प्लेसमेंट रेट (PDR) औसतन 70.8% तक पहुँचा, जो पुष्टि करता है कि प्रेरित bbox शिफ्ट रैंडम नॉइज़ के बजाय टेम्पोरली प्रोग्रेसिव थे।
डाउनस्ट्रीम प्रभाव:
- एवरेज प्रेडिक्शन एरर (APE): प्रेडिक्टेड प्रक्षेपवक्र में 3.02 मीटर तक का विचलन।
- मिनिमम ट्रैजेक्टरी डिस्टेंस (MTD): घटकर ~1.48 मीटर रह गया, जो दर्शाता है कि प्रेडिक्टेड पाथ पीड़ित के प्लान किए गए पाथ के करीब पहुँच गया, जिससे सुरक्षा संघर्ष पैदा हुआ।
- हार्ड ब्रेकिंग: अधिकतम ब्रेकिंग डिक्सेलरेशन (MBD) के रूप में 4.45 $m/s^2$ तक ट्रिगर किया।
प्रभावशीलता को प्रभावित करने वाले कारक:
- व्यूइंग-एंगल वेरेशन: बड़ा वेरेशन अधिक विस्थापन के साथ सह-संबंधित है।
- परिदृश्य विशिष्टता: हमला पास की दूरी, उज्ज्वल रोशनी, बड़े प्रोजेक्शन एरिया और कम सापेक्ष गति के साथ अधिक प्रभावी है।
- ट्रांसफरेबिलिटी: हालांकि क्रॉस-मॉडल ट्रांसफरेबिलिटी सीमित है (डिटेक्टर-विशिष्ट फीचर एग्रीगेशन के कारण), हमला विभिन्न वाहन प्रकारों (SUV, Sedan, Van) में प्रभावी रूप से ट्रांसफर होता है।

महत्व और दावे (Significance and Claims)

लेखक दावा करते हैं कि यह कार्य स्वायत्त ड्राइविंग में एक अनदेखी भेद्यता को उजागर करता है: टेम्पोरल कंसिस्टेंसी पर निर्भरता सिस्टम को स्थिर (static) भौतिक हमलों के प्रति संवेदनशील बनाती है जो डायनेमिक व्यूइंग कंडीशंस का लाभ उठाते हैं।

पैराडाइम शिफ्ट: पेपर का तर्क है कि व्यूइंग-एंगल वेरेशन को केवल एक सुदृढ़ता बाधा के रूप में नहीं, बल्कि एक संभावित हमले के वेक्टर के रूप में पहचाना जाना चाहिए।
तैनाती की व्यवहार्यता (Deployment Feasibility): डायनेमिक डिस्प्ले या सक्रिय हस्तक्षेप की आवश्यकता वाले पिछले कार्यों के विपरीत, यह हमला "निष्क्रिय" और "आसानी से तैनात" करने योग्य है, क्योंकि इसके लिए केवल एक विशिष्ट कैमॉफलेज पैटर्न वाला पार्क किया हुआ वाहन चाहिए ताकि गुजरने वाले स्वायत्त वाहनों में हार्ड ब्रेकिंग प्रेरित की जा सके।
सुरक्षा निहितार्थ: परिणाम बताते हैं कि सिंगल-फ्रेम सुदृढ़ता या मल्टी-व्यू इनवेरिएंस पर केंद्रित वर्तमान बचाव पर्याप्त नहीं हैं। भविष्य के सुरक्षित AD सिस्टम को प्राकृतिक मोशन डायनेमिक्स द्वारा प्रेरित स्पैटियो-टेम्पोरल कोहेरेंट परसेप्शन बायस के बारे में विचार करना चाहिए।

पेपर निष्कर्ष निकालता है कि हालांकि मूल्यांकन विशिष्ट मॉडलों और सिम्युलेटेड डेटासेट तक सीमित है, फिर भी ये निष्कर्ष सरल फ्रेम-वाइज परसेप्शन से परे भौतिक निरंतरता और टेम्पोरल स्थिरता के बारे में तर्क करने वाले अधिक मजबूत सिस्टम के डिजाइन को प्रेरित करते हैं।