Neuste Artikel für Transporttechnologie

Ein neuer Ansatz zur AV-Lokalisierung legt Wert auf Flexibilität und Sicherheit.

Neue Funktionen verbessern, wie autonome Fahrzeuge Fahrstile lernen, um sicherere Interaktionen zu gewährleisten.

SOGDet verbessert die Objekterkennung, indem es den Umgebungs-Kontext für autonomes Fahren berücksichtigt.

Forschung zeigt, dass Musik die Interaktion mit Robotern durch emotionale Hinweise beeinflusst.

LK-99 könnte die Zukunft der Supraleitung verändern, wenn es sich als effektiv erweist.

Die Bewegungsprognose ist super wichtig für den sicheren Betrieb autonomer Fahrzeuge, verbessert den Verkehrsfluss und die Entscheidungsfindung.

MBAPPE verbessert die Entscheidungsfindung für autonome Fahrzeuge mithilfe erlernter Verhaltensweisen.

LineMarkNet verbessert die Parkplatzgenauigkeit von autonomen Fahrzeugen mit fortschrittlicher Linienerkennung.

Neue Methoden verbessern autonomes Fahren, indem sie sich auffähigkeitsbasiertes Planen konzentrieren.

Forscher untersuchen, wie AVs und menschliche Fahrer Konflikte an Kreuzungen managen.

Eine neue Methode zur Verwaltung des Ladens von Elektrofahrzeugen mithilfe von Multi-Agenten-Verstärkungslernen.

In diesem Artikel geht's um die Vorteile von Zeitmultiplexverfahren in vernetzten Fahrzeugen.

Forscher finden Wege, um sensible Daten in kooperativen Agentenumgebungen zu schützen.

Forschung zeigt, wie Gesten die Sicherheit für Fussgänger und selbstfahrende Autos verbessern können.

Die Forschung konzentriert sich darauf, Erklärungen zu verbessern und mit Unsicherheiten in der Entscheidungsfindung von AV umzugehen.

Neues Modell hilft selbstfahrenden Autos, sicher in den dichten Verkehr einzuordnen.

Eine neue Methode verbessert die Datenverarbeitung in intelligenten Fahrzeugen.

Die Verbesserung der Fähigkeit von AVs, das Fahrverhalten vorherzusagen, erhöht die Sicherheit.

Ein neues Modell vorstellen, um Fahrzeugbewegungen im Verkehr besser vorherzusagen.

Die Revolutionierung des Datenaustauschs und der Sicherheit in Fahrzeugnetzwerken mit neuen Lernframeworks.

Entscheidungsfindung und Erklärbarkeit in selbstfahrenden Autos erkunden.

Selbstfahrende Autos zu verstehen, ist entscheidend für Vertrauen und Sicherheit.

UniV2X verbessert autonomes Fahren durch Zusammenarbeit zwischen Fahrzeug und Infrastruktur.

Dieser Artikel behandelt, wie MBDRL die Flusskontrolle optimiert, um Effizienz zu steigern und Kosten zu senken.

Neue Methoden verbessern die Sicherheit, indem sie die Bewegungen von Fussgängern, die ausserhalb des Sichtfelds sind, für autonome Fahrzeuge vorhersagen.

Innovative Modelle verbessern das Verständnis der Strassenbedingungen für autonome Fahrzeuge.

Neues Modell verbessert die Fahrzeugumgebungswahrnehmung mit Kameras und LiDAR.

Ein neues Modell verbessert die Verkehrsprognosen für eine intelligentere urbane Mobilität.

M3Net verbessert die LiDAR-Segmentierung für selbstfahrende Autos, indem es verschiedene Datensätze und Sensoren integriert.

Neue Methoden verbessern die Kontrolle von turbulenten Abreissblasen für eine bessere Fahrzeugeffizienz.

BadFusion nutzt Kameradaten, um Hintertürangriffe auf autonom fahrende Systeme zu starten.

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.