【修改后运行步骤】代码复现—On Adversarial Robustness of Trajectory Prediction for Autonomous Vehicles

一、配置cuda和torch环境，安装torchvision（与个人电脑显卡进行匹配）

二、本地配置ncls=0.0.51

三、删除requirements文件中torch、torchvision以及ncls三行后，安装剩余所需依赖包

四、利用已经训练好的模型进行预测，使用不同的预测模型需要在github上下载对应的模型预测项目放到prediction/model下的对应文件夹中，不然会因为缺少预测模型的某些函数导致程序运行失败。

五、test文件中主要有三个函数，normal,attack和evaluate。

• normal 函数是使用原始轨迹预测模型对车辆轨迹进行预测，车辆和行人的轨迹都可以预测
• attack 函数是使用不同的攻击方法对原始数据中的某一个车辆进行攻击和预测，每个场景只攻击了一辆车，可以更改攻击车辆对象，也可以通过后续修改代码实现多个车辆的攻击（攻击函数中的优化迭代次数为10*100轮，代码运行较慢，如需快速结果可以修改seed参数和迭代num）
• evaluate 函数是对normal预测或者是attack供给预测的结果进行评估，绘制loss等结果图
  

六、 代码逻辑

3.1 Normal Prediction

test文件调用test_utils中的功能函数normal_test函数。

3.2 Mitigatin方法

3.2.1 Data augmentation

3.2.2 Train-time trajectory smoothing

3.2.3 Test-time detection and trajectory smoothing

• prediction model的接口函数中，使用了

七、中间变量记录

4.1 self .node