Neuste Artikel für Autonome Systeme

KI verbessert die Verarbeitung von Satellitendaten für schnellere, intelligente Entscheidungen im Weltraum.

Neues Framework verbessert Unterwasser-Kartierung und Sensorik trotz umweltbedingter Herausforderungen.

GP-Frontier ermöglicht es Robotern, ohne Karten zu navigieren, indem sie Echtzeitsensoren nutzen.

Eine neue Methode ermöglicht es Drohnen, sich gegenseitig mit Kameras und IMUs zu verfolgen.

OMIGA verbessert das Offline-Multi-Agenten-Lernen, indem es globale und lokale Lernstrategien kombiniert.

Die Forschung konzentriert sich darauf, die Informationsverarbeitung in sicherheitskritischen autonomen Systemen zu verbessern.

Ein neuer Ansatz verbessert die Sicherheit bei Aufgaben im Reinforcement Learning ohne vorherige Belohnungen.

QUAM verbessert die Unsicherheitsabschätzungen in Vorhersagen in verschiedenen Bereichen.

Dieser Artikel schaut sich an, wie Drohnen Verstärkungslernen nutzen, um sicher durch Wälder zu navigieren.

Eine neue Methode verbessert Bilder bei schwachem Licht, reduziert Rauschen und bewahrt die Farben.

Ein Blick auf NS-POMDPs und ihren Einfluss auf die Entscheidungsfindung in unsicheren Umgebungen.

Dieses Papier stellt die Verantwortungsvorwegnahme vor, um bessere Entscheidungen in Interaktionen zwischen mehreren Akteuren zu treffen.

Autonome Fahrzeuge verbessern die Schätzung von Parkplätzen, um die Stauverwaltung zu optimieren.

Eine neue Methode verbessert die bayesschen neuronalen Netze für Generalisierung und Unsicherheitsabschätzung.

Erforschen, wie Roboter die Sammlung von Umweltdaten durch autonome Entscheidungsfindung verbessern.

Entdecke Fortschritte im dezentralen Q-Learning für Multi-Agenten-Systeme.

Die 2. BARN-Challenge hat Fortschritte bei autonomen Roboternavigationssystemen gezeigt.

GP-MPPI kombiniert Echtzeitsensorik und Wegeplanung für die robotische Navigation.

Erforsche, wie nichtlineares Meta-Lernen die Effizienz und Genauigkeit beim Aufgabenlernen verbessert.

Neue Technologien und Methoden für effiziente drahtlose Kommunikation erkunden.

Ein Überblick über LLM-unterstützte autonome Agenten und ihre Entwicklung.

Dieser Artikel behandelt, wie man die Leistung von KI-Modellen gegen Herausforderungen mit unbekannten Daten verbessert.

ISAC kombiniert Sensorik und Kommunikation für smartere Technologie-Anwendungen.

Untersuche die Auswirkungen von adversarialen Angriffen auf Systeme mit Multi-Agenten-Verstärkungslernen.

Forschung zeigt neue Wege, um die Abwehr von Modellen gegen feindliche Angriffe zu verbessern.

Neue Filtermethode verbessert die Zustandsabschätzung von Robotern mithilfe von neuronalen Netzen.

Der ExpeL-Agent lernt aus Erfahrungen, um die Leistung bei verschiedenen Aufgaben zu verbessern.

Ein Blick darauf, wie LLMs autonome Agenten in verschiedenen Bereichen formen.

Robustes Lernen sorgt dafür, dass Machine-Learning-Modelle zuverlässig bleiben, auch wenn die Daten manipuliert werden.

Ein vertrauensbasiertes System verbessert die Fussgängersicherheit bei Interaktionen mit autonomen Fahrzeugen.

Dieses Framework verbessert die autonome Navigation in Binnengewässern mithilfe von Deep Reinforcement Learning.

Dieser Artikel untersucht selbstadaptive Systeme in Unterwasser-Roboterfahrzeugen.

Ein neuer Ansatz verbessert die Sicherheit von komplexen KI-Systemen.

Nahezu-online Methoden verbessern das Objekttracking in der Videoanalyse.

Ein neues System verbessert die Fähigkeit von Bodenrobotern, ihren Standort genau zu bestimmen.

Ein Blick auf die Vorteile von ISAC-Technologie in modernen Anwendungen.

Eine neue Methode verbessert die Ausrichtung von 3D-Punktwolken mithilfe von adaptivem Lernen.

Wie einfache Roboter sich ohne Richtung geradeaus bewegen können.

Eine neue Methode verbessert die 3D-Instanzsegmentierung, indem sie die Abhängigkeit von Maskenaufmerksamkeit entfernt.

GORL verbessert Offline-RL, indem es Expertendaten nutzt, um bessere Entscheidungen zu treffen.