Neuste Artikel für Autonome Systeme

Neue Methoden verbessern die Sicherheit von Robotern und deren Interaktionen mit Menschen.

Erforsche Mean-Field-Kontrollbarrierfunktionen für sichereres Schwarmmanagement.

Das Gleichgewicht zwischen Fortschritt und Sicherheit in autonomen Systemen ist wichtig für die zukünftige Entwicklung.

Erforschung von parameter-effizientem Feintuning für Tiefenschätzung, Genauigkeit und Unsicherheit.

Forscher trainieren autonome Boote, um mit Expertenmethoden zu andocken.

Ein Blick darauf, wie Maschinen durch Multi-Stage-Wissen-Integration lernen.

Erforschen, wie digitale Zwillinge das Potenzial autonomer Oberflächenfahrzeuge steigern.

Forscher zeigen, dass Drohnen bewegliche Ziele eigenständig verfolgen können, ohne zusammenzustossen.

SCP hilft dabei, Ergebnisse vorherzusagen und dabei strategische Verhaltensänderungen zu berücksichtigen.

Untersuche die Prinzipien von nichtholonomischen Systemen und ihre Rolle bei der Bewegung.

Ein neuer Ansatz kombiniert visuelle Erkennung und logisches Denken für ein besseres Bildverständnis.

Einführung der Smooth Zone Barrier Lyapunov Funktion für bessere Sicherheit in Steuerungssystemen.

Forscher entwickeln Mikroroboter für Aufgaben wie Umweltüberwachung und Suche und Rettung.

Die Erforschung von Fortschritten in der optischen Datenverarbeitung und die Suche nach kompakten Geräten.

Dieses Papier bewertet ANN-Methoden für effiziente Leistung von Edge-Geräten.

Dichtefunktionen nutzen, um Robotern zu helfen, sicher in belebten Umgebungen zu navigieren.

Dieses Papier stellt eine neue Methode vor, damit Roboter besser bei Aufgaben zusammenarbeiten können.

Helvipad liefert Tiefeninformationen aus 360-Grad-Bildern und unterstützt damit das maschinelle Lernen.

Die Rolle von Sensoren bei der autonomen Navigation auf Binnengewässern erkunden.

HPRM verbessert die Kommunikation in der Robotik und macht Systeme schneller und sicherer.

Lern, wie RGBDS-SLAM die Roboternavigation und Kartierung verändert.

Lerne, wie autonome Agenten sicher in wettbewerbsintensiven Umfeldern agieren.

UniMLVG erstellt realistische Fahrvideos und verbessert die Navigation von selbstfahrenden Autos.

Teamwork und Technik kommen zusammen für effektives mobiles Zieltracking.

Roboter entwickeln smartere Strategien, um Gegner mithilfe von TAB-Feldern auszutricksen.

Entdeck, wie ISAC-Systeme Tech und Kommunikation verändern.

Innovatives Modell verbessert die Zuverlässigkeit der Bilderkennung gegen Angriffe.

Entdecke, wie policy-agnostisches Verstärkungslernen die Maschinenentscheidungen verändert.

Die Revolutionierung der Drohnennavigation mit selbstüberwachtem Lernen und Ereigniskameras.

Erfahre, wie Middleware die Kommunikation für autonome Fahrzeuge verändert.

Ein System, das KI-Agenten erlaubt, mit natürlichen Sprachbefehlen zu lernen.

Entdecke, wie Model Predictive Control die Entscheidungsfähigkeit von Maschinen verbessert.

OV-VSS revolutioniert, wie Maschinen Videoinhalte verstehen, indem es neue Objekte nahtlos identifiziert.

Eine neue Methode für Agenten, um zusammenzuarbeiten, indem sie Handlungsvorschläge machen.

Reinforcement Learning verbessert das autonome Management von immer mehr Raumfahrzeugen im Orbit.

Wie autonome Fahrzeuge sicher durch enge Räume kommen mit cleverer Technik.

IR-PFT ermöglicht es Robotern, ihre Entscheidungsfindung zu verbessern, indem sie vergangene Erfahrungen wiederverwenden.

Entdecke, wie Multi-Agenten-Systeme unsere täglichen Koordinationsprobleme spiegeln.

Innovatives Runtime-Monitoring verbessert die Sicherheit und Stabilität bei Drohnen und Schiffen.

ParMod bietet einen neuen Ansatz, um komplexe Herausforderungen im Bereich des verstärkenden Lernens anzugehen.