Neuste Artikel für Transporttechnologie

Die Kombination von LiDAR- und Kameradaten, um die Effizienz der autonomen Fahrtechnologie zu verbessern.

Ein neuer Ansatz verbessert selbstfahrende Autos, indem er menschliche Denkweisen nachahmt.

Ein neues Toolkit unterstützt die Zusammenarbeit beim Design von Schnittstellen für Fussgänger und Fahrzeuge.

Die UAD-Methode reduziert den Datenbedarf und steigert die Effizienz im autonomen Fahren.

LCSim bietet verbesserte Werkzeuge für realistische städtische Verkehrsszenarien.

Selbstfahrende Autos nutzen regelbasierte Systeme für sichereres Fahren und Entscheidungen auf der Strasse.

Effiziente Steuerungsdesign für unsichere Systeme mit Abstraktionstechniken.

SeFlow verbessert die Bewegungsabschätzung für selbstfahrende Autos mit selbstüberwachtem Lernen.

Dieses Papier untersucht Möglichkeiten, wie man die Kalibrierung von Modellen und die Vorhersagegenauigkeit besser bewerten kann.

Eine neue Methode verbessert die Sicherheit, indem sie die Zeit bis zur Kollision genau mit ereignisbasierten Kameras vorhersagt.

Lern, wie aktives Inferenz die Fähigkeiten von Selbstfahrenden Autos verbessert.

DACCA verbessert die Fahrspurerkennung durch optimiertes Feature-Learning und Kontextaggregation.

Die Revolutionierung der Spurenerkennung für selbstfahrende Autos mit verbesserter Genauigkeit und Verständnis.

Ein neuer Ansatz zur Verbesserung der Leistung in hierarchischem föderierten Lernen.

Die Auswirkungen von digitalen Zwillingen auf Fahrzeugnetze und Kommunikation erkunden.

Ein Framework verbessert die Sicherheit in vernetzten Fahrzeugen und schützt gleichzeitig die Privatsphäre der Nutzer.

Ein kleines Stadtmodell hilft bei der Forschung zu selbstfahrenden Autos und smarten Verkehrssystemen.

Ein neuer Ansatz verbessert die Fähigkeit von selbstfahrenden Autos, sicher im Kreisverkehr zu fahren.

Die Kombination von Kamera- und LiDAR-Daten verbessert die Erkennungsmöglichkeiten von autonomen Fahrzeugen.

Entdecke, wie V2X-Kommunikation die Verkehrssicherheit und das Verkehrsmanagement verändert.

Neue Methode verbessert die Sicherheit für autonome Autos mit einer einzelnen RGB-D Kamera.

Eine neue Trainingsmethode verbessert die 3D-Objekterkennung mit synthetischen und realen Daten.

Ein neuer Ansatz verbessert die Drift-Sicherheit für selbstfahrende Autos mithilfe von Physik.

Die Kombination aus Verhaltensklonierung und PPO verbessert die Trajektorienplanung für selbstfahrende Autos.

Digitale Zwillinge nutzen, um den Verkehr an Kreisverkehren zu optimieren und die Kommunikation zwischen Fahrzeugen zu verbessern.

Ein Framework zur Verbesserung der Fahrzeuglokalisierung durch Integration von Daten mehrerer Sensoren.

Erforschen, wie Sprachmodelle autonome Fahrtechnologien verbessern.

Forschung zeigt einen neuen Ansatz für das Lernen in Echtzeit bei selbstfahrenden Autos.

Ein neues Modell verbessert die Bewegungsprognose für selbstfahrende Autos mit minimalen Ressourcen.

Innovative Methoden verbessern das Verständnis der Umgebung für selbstfahrende Fahrzeuge.

HeightMapNet verbessert die Kartierung für selbstfahrende Autos, indem es Genauigkeit und Detailtreue erhöht.

Polar R-CNN verbessert die Spurenerkennung und steigert die Effizienz und Leistung.

Neue Pilotsequenzen verbessern die Kommunikation in sich schnell verändernden Umgebungen.

SplatAD kombiniert Kamera- und Lidar-Daten für schlauere selbstfahrende Autos.

Ein neues Modell verbessert die Vorhersagen für autonome Fahrzeuge im komplizierten Verkehr.

Neue Methoden helfen smarten Autos, aus minderwertigen Strassenbildern zu lernen.

Erforschung von kooperativer Technologie in selbstfahrenden Autos für mehr Sicherheit und Effizienz.

Lern, wie man nahtlos Verkehrslinien zu bestehenden Netzen hinzufügt.

Neue Methode verbessert die Navigation und Objekterkennung bei selbstfahrenden Fahrzeugen.

HoloDrive kombiniert 2D- und 3D-Daten für schlauere selbstfahrende Autos.