该论文研究了自动驾驶汽车在面对对抗性驾驶操作时的安全威胁。作者提出了一种系统性的方法，用于发现能够导致自动驾驶车辆发生碰撞或违反交通规则的对抗性驾驶操作。具体地，他们形式化了对抗性驾驶操作问题，将其建模为对手在有限感知和行动能力下对目标车辆施加影响的过程。通过利用车辆动力学模型和场景约束，他们设计了一种优化算法来搜索最恶劣的对抗性操作序列。在多个模拟场景（如高速公路、交叉路口）中，该方法成功发现了多种先前未知的对抗性操作，例如迫使目标车辆急转向或突然制动。实验表明，这些操作能够绕过基于规则的规划器和基于学习的控制器，导致安全隐患。该工作强调了自动驾驶系统在应对复杂交通交互时的脆弱性，并为后续防御研究提供了基准。