Últimos artículos para Tecnología de Transporte

SOGDet mejora la detección de objetos al considerar el contexto ambiental para la conducción autónoma.

La investigación muestra que la música afecta la interacción con los robots a través de señales emocionales.

LK-99 podría cambiar el futuro de la superconductividad si se demuestra que es efectivo.

La predicción de movimientos es clave para el funcionamiento seguro de vehículos autónomos, mejorando el flujo de tráfico y la toma de decisiones.

MBAPPE mejora la toma de decisiones para vehículos autónomos usando comportamientos aprendidos.

LineMarkNet mejora la precisión de estacionamiento de vehículos autónomos con detección avanzada de líneas.

Nuevos métodos mejoran la conducción autónoma al centrarse en la planificación basada en habilidades.

Los investigadores analizan cómo los AV y los conductores humanos manejan los conflictos en las intersecciones.

Un nuevo método para gestionar la carga de vehículos eléctricos usando aprendizaje por refuerzo multi-agente.

Este artículo habla sobre los beneficios de la multiplexión por división de tiempo en vehículos conectados.

Los investigadores encuentran formas de proteger datos sensibles en entornos de agentes cooperativos.

La investigación revela cómo los gestos pueden mejorar la seguridad de los peatones y los coches autónomos.

La investigación se centra en mejorar las explicaciones y manejar la incertidumbre en la toma de decisiones de vehículos autónomos.

Un nuevo modelo ayuda a los autos autónomos a integrarse de manera segura en el tráfico congestionado.

Un nuevo método mejora el manejo de datos en vehículos inteligentes.

Mejorar la capacidad de los vehículos autónomos para predecir el comportamiento del conductor aumenta la seguridad.

Presentamos un nuevo modelo para predecir mejor los movimientos de los vehículos en el tráfico.

Revolucionando el intercambio de datos y la seguridad en las redes de vehículos con nuevos marcos de aprendizaje.

Explorando la toma de decisiones y la explicabilidad en coches autónomos.

Entender los autos autónomos es clave para la confianza y la seguridad.

UniV2X mejora la conducción autónoma a través de la colaboración entre vehículos e infraestructuras.

Este artículo habla sobre cómo MBDRL optimiza el control de flujo con eficiencia y costos reducidos.

Nuevos métodos mejoran la seguridad al predecir los movimientos de peatones fuera de la vista para vehículos autónomos.

Modelos innovadores mejoran la comprensión de las condiciones de la carretera para vehículos autónomos.

Nuevo modelo mejora el reconocimiento del entorno del vehículo usando cámaras y LiDAR.

Un nuevo modelo mejora las predicciones de tráfico para una movilidad urbana más inteligente.

M3Net mejora la segmentación LiDAR para autos autónomos al integrar diferentes conjuntos de datos y sensores.

Nuevos métodos mejoran el control de burbujas de separación turbulenta para una mejor eficiencia del vehículo.

BadFusion usa datos de la cámara para lanzar ataques de puerta trasera en sistemas de conducción autónoma.

Combinando datos de LiDAR y cámara para mejorar la eficiencia de la tecnología de conducción autónoma.

Un nuevo enfoque mejora los coches autónomos al imitar los patrones de pensamiento humano.

Un nuevo conjunto de herramientas ayuda a la colaboración en el diseño de interfaces para peatones y vehículos.

El método UAD reduce las necesidades de datos y mejora la eficiencia en la conducción autónoma.

LCSim ofrece herramientas mejoradas para escenarios de tráfico urbano realistas.

Los coches autónomos utilizan sistemas basados en reglas para una navegación más segura en la carretera y para tomar decisiones.

Diseño de controladores eficiente para sistemas inciertos usando técnicas de abstracción.

SeFlow mejora la estimación de movimiento para coches autónomos usando aprendizaje auto-supervisado.

Este documento explora maneras de evaluar mejor la calibración del modelo y la precisión predictiva.

Un nuevo método mejora la seguridad al predecir con precisión el Tiempo hasta la Colisión usando cámaras basadas en eventos.

Descubre cómo la inferencia activa mejora las capacidades de los autos autónomos.