自动面检测等计算机视觉应用用于各种目的，从解锁智能设备到跟踪监视的潜在感兴趣的人。这些申请的审计透露，他们倾向于对少数民族群体偏见，导致不公平和关于社会和政治结果。尽管随着时间的推移，但这些偏差尚未完全减轻，但实际上已经增加了年龄预测等任务。虽然这些系统审核了基准数据集，但有必要评估其对抗性投入的鲁棒性。在这项工作中，我们在多个系统和数据集上进行广泛的对手审核，并进行了许多关于观察 - 从以前的审计以来的一些任务对一些任务进行了准确性。虽然仍然对多个数据集的少数群体的个体仍然存在偏差，但更令人担忧的观察是这些偏差倾向于对少数群体的对抗意义进行过度发音。我们讨论了鉴于这些观察结果更广泛的社会影响以及关于如何共同应对这个问题的建议。
translated by 谷歌翻译
机器人感知模型，例如深神经网络（DNN），正在变得越来越强烈，并且有几种模型正在以准确性和延迟权衡进行培训。但是，现代的延迟准确性在很大程度上报告了单步视觉任务的平均准确性，但是几乎没有工作表明在机器人技术中为多步控制任务调用哪种模型。多步决策的主要挑战是在正确的时间使用正确的模型来完成给定的任务。也就是说，以最低控制成本和最小的感知时间完成任务是一项逃亡者。这被称为模型选择问题。在这项工作中，我们精确地解决了为多步控制的正确感知模型序列的问题。换句话说，我们通过将其作为多目标优化问题来平衡控制成本和感知时间，为模型选择问题提供了一种最佳的解决方案。从我们的解决方案中获得的关键见解是，感知模型的差异如何（不仅是平均准确性）对于多步决策制定，并展示如何使用多样化的感知模型作为节能机器人技术的原始性。此外，我们在AirSim中使用视觉导航进行了光真逼真的无人机着陆模拟的方法。使用我们提出的政策，我们的控制成本低38.04％，比其他竞争基准低79.1％。
translated by 谷歌翻译
我们提出了一种使用神经网络反馈控制器对封闭环控制系统进行状态空间探索的新技术。我们的方法涉及近似闭环动力学轨迹的灵敏度。使用这样的近似器和系统模拟器，我们提出了一种指导状态空间探索方法，该方法可以生成在指定时间访问目标状态附近的轨迹。我们提出了一个理论框架，该框架确定我们的方法将产生一系列轨迹，该轨迹将到达目标状态的合适邻居。我们通过不同配置的神经网络反馈控制器对各种系统进行彻底评估。我们的表现优于早期的状态空间探索技术，并在质量（解释性）和性能（收敛速度）方面取得了显着改善。最后，我们采用算法来伪造一类时间逻辑规范，评估其针对最先进的伪造工具的绩效，并表现出其在补充现有的伪造算法方面的潜力。
translated by 谷歌翻译