Neuste Artikel für Autonome Fahrzeuge

Untersuchung des kritischen Einflusses von Daten auf die Entscheidungsprozesse im Bereich AV.

Die Bedeutung von Bewegungsprognosen in der Technologie für selbstfahrende Autos erkunden.

Untersuchung der Vorteile von MIMO-OTFS-Technologie für die nächste Generation der Sensorik und Kommunikation.

Studie untersucht, wie Erklärungen die Sicherheit und Entscheidungsfindung von Passagieren in autonomen Fahrzeugen beeinflussen.

Wir stellen eine Methode vor, damit Roboter sicher durch überfüllte Umgebungen navigieren können.

Ein neues Framework verbessert die Zuverlässigkeit der Objekterkennung für kritische Anwendungen.

Untersuchung der Integration von O-RAN und V2X für eine verbesserte Fahrzeugkommunikation.

MaskBEV nutzt Masken, um die Objekterkennung in 3D-Umgebungen zu verbessern.

Neue Methoden verbessern die Kommunikation in überfüllten Netzwerken mithilfe von Meta-Lernen.

Diese Studie konzentriert sich auf Verkehrselemente und Fahrspurverbindungen für selbstfahrende Autos.

Scenic 3.0 verbessert das Modellieren für Systeme wie selbstfahrende Autos mit 3D-Funktionen.

Eine neue selbstüberwachte Methode hilft UGVs, die Sicherheit im Terrain ohne menschliches Eingreifen zu lernen.

Eine neue Methode verbessert die Zuverlässigkeit von Deep-Learning-Modellen, indem sie die Vorhersageunsicherheit angeht.

CMDFusion kombiniert 2D- und 3D-Daten für eine bessere Objekterkennung in autonomen Fahrzeugen.

Ein Framework, um Vorhersagen zu verbessern, indem man sich von irreführenden Daten fernhält.

Ein neues Modell verbessert die Wahrnehmungssysteme für sichereres autonomes Fahren.

Neuer Ansatz verbessert die Vorhersagen zur Fahrzeugbewegung für autonome Fahrsysteme.

Die Auswirkungen von OTFS auf die Radarsensorik in dynamischen Umgebungen erkunden.

DeepIPCv2 verbessert die Navigation mit LiDAR, besonders bei schwachem Licht.

Wir stellen VertexNet vor, um den RRT*-Algorithmus für schnellere Pfadsuche zu optimieren.

Eine neue Methode zur besseren Sensor-Kalibrierung in fahrenden Fahrzeugen.

Ein Blick darauf, wie Autos aus Videodaten lernen, ohne beschriftete Eingaben.

Ein Rahmen, um die Fahrzeugwahrnehmung zu verbessern, indem Datenlücken geschlossen werden.

Radar-Odometrie hilft Fahrzeugen, sich in schwierigen Umgebungen mit Radarsensoren zurechtzufinden.

Eine neue Methode verbessert die Effizienz des automatisierten Parkens in komplexen Umgebungen.

U-MPPI verbessert die Routenplanung für sicherere autonome Fahrzeugnavigation in unsicheren Umgebungen.

Ada3D verbessert die Effizienz der 3D-Objekterkennung für autonome Fahrzeuge.

Neue Methode verbessert die Erkennung von mehreren sich bewegenden Objekten in Bildern.

Ein Blick darauf, wie VI-SLAM Geräten hilft, sich selbst zu kartieren und zu lokalisieren.

Neue Methoden verbessern die Objekterkennung bei Nebel und Regen für selbstfahrende Autos.

Ein neuer Ansatz, um selbstfahrende Autos sicherer und bequemer zu machen.

Diese Studie bewertet die Effektivität von VQA-Modellen für Fahr-Szenarien.

Diese Studie untersucht Fahrzeuginteraktionen mit einem Zwei-Klassen-Verkehrsmodell.

Eine neuartige Methode verbessert Punktwolken für eine bessere 3D-Analyse.

Dieser Artikel behandelt ein neues Modell zur Verbesserung der robotischen Tiefenwahrnehmung mit mehreren Sensoren.

Ein neuer Ansatz verbessert die Zuverlässigkeit von Deep-Learning-Modellen, indem er Unsicherheit misst.

Ein neues Steuersystem verbessert die Sicherheit für autonome Boote in engen Wasserwegen.

Dieses Projekt verbessert die Vorhersagegenauigkeit für das Verhalten von selbstfahrenden Autos durch kombinierte Daten.

TwinLiteNet bietet eine leichte Lösung für die präzise Erkennung von Fahrbereichen und Fahrspuren.

Eine neue Methode verbessert die Sicherheitstests für selbstfahrende Fahrzeuge.