热点事件持续更新
XAI引导搜索测试DNN机器人导航鲁棒性
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
最新 arXiv Robotics 论文（2026-10-07，一手报道）提出一种可解释性引导的多目标进化测试方法：在视觉与行为聚类选出的代表性图像上生成稀疏扰动，并以聚合 Integrated Gradients 引导变异，用于测试 DNN 机器人导航系统的可泛化鲁棒性。仿真结果显示，该方法中位成功率为 70.0%，高于无引导搜索的 53.85%；中位超体积从 0.65 提升至 0.73。研究还进行了 sim-to-real 验证，报告精确率 0.95、召回率 0.67，仿真与实体失败时间相关性为 0.617；作者指出仍需进一步实体验证。报道未提供此前研究背景或与其他方法的对比数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
新论文提出XAI引导多目标进化测试，仿真中位成功率70.0%，sim-to-real精确率0.95，仍需实体验证。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Robotics基于 XAI 引导搜索的 DNN 机器人导航系统可泛化鲁棒性测试
提出一种可解释性引导的多目标进化方法，在视觉与行为聚类选出的代表性图像上生成稀疏扰动，用聚合 Integrated Gradients 引导变异。仿真中位成功率 70.0%，高于无引导搜索的 53.85%，中位超体积从 0.65 升至 0.73。sim-to-real 验证精确率 0.95、召回率 0.67，仿真与实体失败时间相关性 0.617，仍需实体验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。