去噪自编码运动规划网络

抗位置欺骗攻击

将去噪自编码器与深度强化学习模型结合，无需额外检测器，即可在被攻击或正常场景下安全规划多个机器人的运动。

Tang, Wenbing · Zhou, Yuan · Liu, Yang · 丁佐华 · Liu, Jing

IEEE Transactions on Information Forensics and Security 2023

技术优势

无需攻击检测器

去噪自编码器学习编码解码，无论是否遭受攻击都能近似障碍物准确位置，因此系统无需额外检测模块。

适应可变障碍物数量

采用 LSTM 深度强化学习模型，能够处理环境中任意数量的障碍物，突破固定障碍物数量的限制。

兼容现有先进方法

该方法与具体运动规划算法无关，可轻松嵌入当前最先进的方法中。

应用场景

• 多机器人运动规划：在位置欺骗攻击下仍能安全规划多机器人路径，替代需要额外检测器的方案。
• 机器人集群安全：消除攻击导致的错误位置信息，保障集群在受攻击时仍可靠运行。
• 具身智能安全导航：使具身智能体在感知被欺骗时仍能恢复真实障碍物位置，保证导航安全。