该论文演示了深度学习驱动的自动车道居中（ALC）系统在物理世界攻击下的安全性问题。ALC是高级辅助驾驶系统的关键功能，依赖深度学习模型进行车道线检测和车辆横向控制。作者提出了一种物理世界对抗性攻击方法，通过在车辆前方道路放置精心设计的贴纸图案，成功欺骗ALC系统的车道线检测模型，导致车辆偏离车道或误判车道线位置。实验在真实车辆平台上进行，验证了攻击的有效性，并分析了攻击对车辆控制的影响。论文还讨论了现有防御机制的局限性，并提出了潜在的安全增强方向。该研究揭示了将深度学习模型部署于物理世界安全关键场景时面临的严峻挑战，强调了在自动驾驶系统开发中需纳入对抗性鲁棒性评估。