Neuste Artikel für Autonome Systeme

Ein Blick auf sicheres Lernen mit mehreren Agenten in eingeschränkten Umgebungen.

QNNRepair verbessert die Genauigkeit von neuronalen Netzwerken nach der Quantisierung.

Eine neue Methode verbessert die Auswertung von dichten Karten aus LiDAR-Daten.

Roboter erstellen effizient Formen mit Farbcodes und speziellen Bewegungsstrategien.

Untersuchung von Risikoanalyse-Methoden für sichere selbstfahrende Technologie.

Ein neues System verbessert die Geländebewertung von Geländefahrzeugen mit LiDAR- und Kameradaten.

Die Rolle von Kernel-Methoden bei der Verbesserung von Reinforcement-Learning-Methoden erkunden.

Eine neue Methode verbessert die Anpassungsfähigkeit der Objekterkennung an verschiedene Daten.

Neue Methoden sorgen dafür, dass Roboter sicher Bereiche abdecken und sich an Herausforderungen anpassen.

Dieser Artikel behandelt, wie man die Absichten von KI-Systemen beurteilen kann.

Eine neue Methode verbessert das Lernen aus ungleichmässigen Datensätzen im Offline-Verstärkungslernen.

Neue Sicherheitsblenden beheben Verzögerungen in autonomen Systemen, um einen sichereren Betrieb zu gewährleisten.

SEPT verbessert die drahtlose Übertragung von 3D-Punktwolken mithilfe von Deep Learning.

Eine neue Methode verbessert die Bildübertragung durch effiziente bidirektionale Kommunikation.

Ein neues Mass verbessert die Genauigkeit und Klarheit der Modellvorhersagen.

Die Forschung präsentiert effiziente Modelle zur Vorhersage der Schiffsorientierung mithilfe von Deep-Learning-Techniken.

Ein neues Framework verbessert die Sicherheit und Effizienz im städtischen Lufttransport.

Eine neue Methode verbessert die Effizienz bei der Roboterbewegungsplanung und Kollisionsvermeidung.

Wir stellen eine Methode vor, um die Zuverlässigkeit bei der Bildabfrage für wichtige Anwendungen zu verbessern.

Ein neues Framework, um Reinforcement-Learning-Modelle in unvorhersehbaren Umgebungen zu stärken.

Neue Modulationstechniken verbessern die drahtlose Kommunikation in Hochgeschwindigkeitsszenarien und -umgebungen.

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.