Neuste Artikel für Autonome Fahrzeuge

Ein neuer Ansatz zur Vorhersage von Ergebnissen in Systemen mit Zufälligkeit unter Verwendung von GNNs.

Eine neue Methode verbessert die Vorhersagen für sichereres autonomes Fahren in städtischen Umgebungen.

Eine neue Methode verbessert die Genauigkeit der Objekterkennung mit mehreren Bildtypen.

Eine neue Methode verbessert, wie Sensoren Daten verarbeiten, um Objekte besser zu erkennen.

Ein Überblick über Herausforderungen und Abwehrmassnahmen gegen adversariale Angriffe im Deep Learning.

Ein neues System ermöglicht es selbstfahrenden Autos, nur mit visuellen Informationen zu navigieren.

Forscher nutzen Drohnenbilder, um effiziente Karten für Simulationen von selbstfahrenden Autos zu erstellen.

JetSeg bietet schnelle und genaue Echtzeit-Semantische Segmentierung für Energiesparende Geräte an.

Neue Strategien verbessern Stabilität und Sicherheit in Steuerungssystemen in verschiedenen Anwendungen.

Die Kombination aus 5G und Bord-Sensoren verbessert die Genauigkeit bei der Navigation autonomer Fahrzeuge.

Eine neue Methode sagt die Bewegungen von Geländefahrzeugen effizient unter schwierigen Bedingungen voraus.

Radio-Signale für präzise Kartierung in der Robotik nutzen.

Neue Methoden erkunden, um die Effizienz und Sicherheit von Offline-Verstärkungslernen zu verbessern.

Co-MOT verbessert die Verfolgungsgenauigkeit und Effizienz mit innovativen Techniken.

KARNet kombiniert maschinelles Lernen und Physik für bessere Vorhersagen beim autonomen Fahren.

Lern, wie Steuerungssysteme Entscheidungen in unberechenbaren Umgebungen treffen.

Eine selbstüberwachende Methode zur Bewegungsprognose, die nur unmarkierte Punktwolken verwendet.

Die Rolle von Simulationen bei der Sicherheit autonomer Fahrzeuge und ihre Einschränkungen analysieren.

Bird's Eye View verbessert die visuelle Standorterkennung für genauere Ergebnisse beim autonomen Fahren.

Eine neue Methode verbessert die LiDAR-Datenqualität bei schlechter Witterung.

Eine neue Methode verbessert die Validierungsprozesse für selbstfahrende Autos und Roboter.

Ein neues Robotersystem fürs Fahren kombiniert Lernen und klare Entscheidungen.

OVO ermöglicht eine flexible Vorhersage der Objektbelegung in 3D ohne umfangreiche Beschriftungen.

Maskomaly erkennt Anomalien in Bildern ohne vorherige Beispiele.

PlaNeRF verbessert 3D-Modellierung aus 2D-Bildern und steigert Geometrie sowie Bildqualität.

Neue Methoden verbessern die Sicherheit in der Robotik und bei autonomen Fahrzeugen.

GMSF bietet einen neuen Ansatz zur Schätzung von Bewegungen im 3D-Raum.

Diese Studie konzentriert sich darauf, die Kommunikation zu verbessern, um die Verkehrssicherheit an Kreuzungen zu erhöhen.

TReR verbessert die Ortsanerkennung für autonome Fahrzeuge mit 3D-LiDAR-Daten.

Occ-BEV verbessert die Fahrzeugwahrnehmung durch Multi-Kamera 3D-Modellierung und Datenintegration.

Die Komplexität des Überholens im autonomen Fahren erkunden.

Eine neue Methode hilft selbstfahrenden Autos, sich an wechselndes Wetter anzupassen, ohne die vorherigen Skills zu verlieren.

AGILE3D verbessert die 3D-Segmentierung, indem es gleichzeitige Interaktion mit Objekten ermöglicht.

Eine neue Methode, um Fehlklassifikationen in Machine-Learning-Modellen effizient zu erkennen.

Das RACECAR-Dataset bietet überragende Einblicke in autonomes Racing mit verschiedenen Szenarien und Daten.

Diese Studie verbessert selbstfahrende Fahrzeuge durch risikobewusste Belohnungsstrategien.

Dieser Artikel behandelt, wie man Inkonsistenzen in natürlichen Sprach­erklärungen für KI angeht.

Neues Modell verbessert die Analyse von Panoramabildern für reale Anwendungen.

Eine neue Methode lokalisiert Fahrzeuge mithilfe von Lidar und Satellitenbildern, ohne auf GPS angewiesen zu sein.

Eine Methode, die CLIP und SAM kombiniert, verbessert die Objekterkennung ohne gelabelte Daten.