Neuste Artikel für Autonome Fahrzeuge

Eine neue Methode verbessert die Erkennung von Strassengefahren für fortgeschrittene Fahrsysteme.

Diese Studie hebt die Bedeutung der Objekterkennung in Baustellen für selbstfahrende Autos hervor.

MemFusionMap verbessert die Echtzeit-HD-Kartierung, indem es Informationen aus früheren Frames nutzt.

Ein neues Verfahren verbessert die Genauigkeit bei der Geschwindigkeitsabschätzung für Drohnen mithilfe von Radar- und Beschleunigungsdaten.

3DIOC bestimmt effizient Kontrollziele aus Daten, ohne dass Systemmodelle benötigt werden.

Forschung zeigt Schwächen in der AV-Spurerkennung durch negative Schatten.

Innovative Methoden verbessern das Verständnis der Umgebung für selbstfahrende Fahrzeuge.

Ein neuer Datensatz soll das maschinelle Lernen mit Daten von dynamischen SichtSensoren verbessern.

Dieses Modell verbessert die Fahrzeugnavigation, indem es Lokalisierungs- und Pfadplanungs-Techniken kombiniert.

CASPFormer bringt frischen Wind in die Trajektorienvorhersage mit Vogelperspektivbildern.

SPARQ verbessert die Sicherheitsüberwachung für autonome Fahrzeuge, indem es Wahrnehmungsfehler angeht.

Ein neuer Ansatz verbessert die Sicherheit von selbstfahrenden Autos durch kontrafaktische Beispiele.

Ein neues Konzept zur Bewertung der Effektivität von visionbasierten Positionierungssystemen.

Verbesserungen in der LiDAR-Wahrnehmung steigern die Leistung in Multi-Sensor-Umgebungen.

Eine Methode zur Verwaltung widersprüchlicher Sensordaten in autonomen Fahrzeugen für mehr Sicherheit.

Dieses Modell verbessert die Tiefenschätzung, ist ressourcensparend und einfach zu bedienen.

Eine neue Methode hilft selbstfahrenden Booten, Kollisionen in belebten Gewässern zu vermeiden.

Neues Framework verbessert das Verständnis von Videos bei schwachem Licht mit Eventkameras.

Untersuchen, wie Fahrzeugplatooning die Verkehrssicherheit und den Verkehrsfluss verbessern kann.

PLATYPUS verbessert die Klarheit von 3D-Punktwolken für ein besseres Maschinenverständnis.

HeightMapNet verbessert die Kartierung für selbstfahrende Autos, indem es Genauigkeit und Detailtreue erhöht.

Erforschen, wie neue Technologien die Genauigkeit autonomer Systeme bei verschiedenen Aufgaben verbessern.

Polar R-CNN verbessert die Spurenerkennung und steigert die Effizienz und Leistung.

Erfahre, wie autonome Autos Unfälle vermeiden, indem sie die Evasive Minimum Risk Maneuvering Technik nutzen.

Lern, wie Roboter mit coolen Techniken Karten von ihrer Umgebung erstellen.

Lern, wie Maschinen Tiefe schätzen und sich an verschiedene Umgebungen anpassen.

Eine neue Methode kombiniert sichtbare und thermische Bilder für eine bessere Tiefenschätzung.

DSceneKG bietet eine tolle Ressource, um KI in echten Fahr-Situationen zu trainieren.

ISAC kombiniert Sensorik und Kommunikation, um die Fähigkeiten mobiler Netzwerke zu verbessern.

LidaRefer verbessert die Erkennung von Aussenobjekten für autonome Fahrzeuge.

Forscher nehmen die Herausforderungen an, selbstfahrenden Autos das Fahren durch Nachahmung und Lernen beizubringen.

Erforschen, wie selbstfahrende Autos mit menschlich gesteuerten Fahrzeugen zur Sicherheit interagieren.

Lern, wie Wissenschaftler Roboterautos trainieren, um sicher abseits der Strasse zu fahren.

Ein neuer Ansatz verbessert, wie Computer aus Erfahrungen lernen.

PKF verbessert die Objektverfolgungsgenauigkeit in komplexen Umgebungen.

Lern, wie modellfreies Steuern Maschinen hilft, mit minimalen Infos zu arbeiten.

Forscher verbessern die Erkennung von Verkehrsampeln für selbstfahrende Autos bei schlechtem Wetter.

Eine neue Methode verbessert die Zuverlässigkeit und Anpassungsfähigkeit von Drohnen während des Flugs.

Die Studie verbessert das Videoverständnis durch bewegungsfokussierte Fragen und visuelle Antworten.

Erforsche, wie Fehlersuche autonome Fahrzeuge sicher und effizient hält.