我们开发了一个新框架，用于评估在外界噪音干扰下交通标志分类任务中误判风险。我们将问题考虑在自动驾驶环境下，其中视觉输入质量会随着分辨率的提高而不断改善，并且由于与交通标志的距离减小，噪音也会减少。利用标准分类算法获得的估计感知统计数据，我们的目标是量化误判风险，以缓解视觉观察不完美的影响。通过探索感知输出、它们期望的高级行动和潜在成本，我们展示了条件风险价值（CVaR）的误判的闭合形式表示。几个案例研究支持我们提出的方法的有效性。
论文链接：http://arxiv.org/pdf/2303.09416v1
更多计算机论文：http://cspaper.cn/