该论文针对自动驾驶车辆（AV）面临的新型安全威胁展开研究，聚焦于对抗性驾驶动作（Adversarial Driving Maneuvers）。传统上，对抗性攻击多针对感知系统（如摄像头、LiDAR）的输入扰动，而本文提出一种从车辆控制与规划层面发起攻击的思路：通过构造看似正常但违反交通规则或安全协议的驾驶动作，诱导AV采取危险行为，进而导致碰撞或交通混乱。研究背景在于，现有自动驾驶安全测试主要关注传感器级攻击或算法漏洞，但对驾驶策略层面的对抗性操纵缺乏系统性探讨。核心问题是如何在已知AV规划算法状态的前提下，自动发现能够造成事故的对抗性驾驶场景。论文提出一种基于搜索或优化的方法，模拟对手车辆的运动学约束，在避免被AV安全机制直接识别的前提下，逐步生成连续的一组操纵动作，使目标AV的决策模块做出错误判断。主要贡献包括：形式化定义了对抗性驾驶动作的生成问题；提出一种可扩展的发现框架；在多个开源AV栈和控制算法上进行评估，证明该方法能够在多种道路场景（如交叉路口、匝道汇入）中找到可导致碰撞或急停的对抗行为。此外，论文还讨论了防御思路，如增强规划器的鲁棒性、在决策层加入异常轨迹检测等。适合自动驾驶安全研究者、AV系统工程师和SOTIF（预期功能安全）评估人员阅读。由于仅获取到论文标题，未提供完整摘要，本总结基于标题及领域通用知识推断，具体实现细节未验证。