Neuste Artikel für Autonome Fahrzeuge

In dieser Studie werden verschiedene YOLOv5-Modelle verglichen, um verschiedene Fahrzeugtypen unter unterschiedlichen Bedingungen zu identifizieren.

Eine neue Methode erkennt unerwartete Hindernisse ohne umfangreiches Training für sichereres autonomes Fahren.

Untersuchung von Backdoor-Angriffen und deren Risiken für Objekterkennungssysteme.

Diese Arbeit konzentriert sich darauf, Entscheidungsfindung in KI mit Monte-Carlo-Baum-Suche zu erklären.

Ein Blick auf die neuesten Entwicklungen in der Bildsegmentierung und deren Anwendungen.

Event-Kameras erfassen Veränderungen in Szenen und revolutionieren, wie wir visuelle Daten interpretieren.

Entity-Superpixel-Annotation senkt die Kosten und macht die Bildbeschriftung effizienter.

Neue Technologien verbessern die Effizienz von Nahinfrarotlichtdetektoren.

Die Rolle von SLAM und RL bei der Verbesserung der Roboternavigation erkunden.

Ein neuer Ansatz verbessert die Objekterkennung in 3D-Punktwolken für selbstfahrende Autos.

Das neue Modell NightFormer verbessert die Bildverarbeitung bei Nacht für sichereres Navigieren.

Diese Studie untersucht, wie die Gehirnaktivität von Passagieren die Sicherheit in automatisierten Fahrzeugen verbessern kann.

Eine neue Methode verbessert die Genauigkeit der Zustandsabschätzung für Hochgeschwindigkeitsrennwägen.

Der Loihi-2 Chip von Intel verbessert die Sensorfusion mit Geschwindigkeit und Effizienz.

Eine neue Methode verbessert die Geschwindigkeitsgenauigkeit für selbstfahrende Rennwagen.

Eine neue Methode verbessert die Lokalisierung von Street-View-Bildern mit sequentiellen Daten.

Denial-of-Service-Angriffe bringen Risiken für die Sicherheit und Leistung autonomer Fahrzeuge mit sich.

Neue Methoden verbessern die Klarheit und Genauigkeit von 3D-Punktwolken.

Klare KI-Erklärungen schaffen Vertrauen und sorgen für eine verantwortungsvolle Nutzung in verschiedenen Bereichen.

Verbesserung von Wahrnehmungsmodellen für selbstfahrende Autos durch innovative Bildtrainingsmethoden.

Ein neuer Ansatz verbessert die Drift-Sicherheit für selbstfahrende Autos mithilfe von Physik.

Forschung zeigt Methoden zur Verbesserung von Machine Learning in autonomen Fahrzeugen mit Videodaten.

Ein Rahmen verbessert die AUV-Leistung durch USV-Partnerschaften für die Unterwasser-Datensammlung.

Über die Vorteile der gemeinsamen Nutzung von AV-Testdaten für die öffentliche Sicherheit sprechen.

Dieser Artikel bespricht die Auswirkungen von DoS-Angriffen auf Fahrzeug-Platoons.

Sicherheit und Zuverlässigkeit kombinieren, um die Bildverarbeitungssysteme autonomer Fahrzeuge zu verbessern.

Eine neue Methode zur genauen Tiefenschätzung aus Video-Sequenzen.

Eine neue Methode verbessert die Bildklarheit für autonome Fahrzeuge bei schlechtem Wetter.

Snapshot verbessert die Vorhersage von Fussgängerbewegungen für sichereren Stadtverkehr.

Neue Methode verbessert die Crowd-Lokalisierung mit mehreren Kamerasichten.

Die Kombination aus Verhaltensklonierung und PPO verbessert die Trajektorienplanung für selbstfahrende Autos.

Plane2Depth verbessert die Tiefenschätzung in komplexen Szenen und geht die Herausforderungen bei niedriger Textur an.

Überprüfung wichtiger Themen zur Sicherheit und zum Schutz autonomer Fahrzeuge.

GNMap verbessert die Erstellung von HD-Karten für die Navigation autonomer Fahrzeuge.

Die Kombination aus Radar- und Kameradaten verbessert die Leistung der selbstfahrenden Technologie.

Neue Methode verbessert die Punktwolkenqualität mit gewichteten Verlustfunktionen.

Eine Studie zur Verbesserung der Fussgängersicherheit durch Verhaltensvorhersagemodelle.

Ein Blick auf Überwachungstechniken für zuverlässige Echtzeitsystemleistung.

Wettbewerb zeigt, wie man sicherer fahren kann, selbst bei schlechten Bedingungen.

Wir stellen ERF-CondLaneNet vor für bessere Fahrstreifenkennung in komplizierten Verkehrssituationen.