Últimos artículos para Vehículos Autónomos

Un nuevo marco mejora la conciencia de los vehículos a través de datos compartidos y priorización.

Un nuevo método mejora la eficiencia del aprendizaje por imitación usando boosting.

Aprende a clasificar objetos usando imágenes y nubes de puntos 3D sin etiquetas.

Un nuevo método mejora el movimiento de los robots con ideas sobre el comportamiento humano.

Un nuevo método mejora la fiabilidad de las predicciones de redes neuronales en tareas de regresión.

Un nuevo marco mejora la detección de objetos para artículos conocidos y desconocidos.

Entender la comunicación es clave para la confianza en los vehículos autónomos.

SLAIM mejora el seguimiento y mapeo en tiempo real usando redes neuronales avanzadas e información de profundidad.

Un método rápido para crear modelos 3D a partir de solo seis fotos, ideal para vehículos.

Un nuevo enfoque para mejorar el seguimiento de múltiples objetos a través de datos 3D.

Las redes ISAC están cambiando el panorama de la conectividad inalámbrica y las capacidades de detección.

Una visión general de las aplicaciones de NeRF que están transformando la tecnología de autos autónomos.

Un nuevo método mejora la localización de vehículos usando 5G y sensores a bordo.

Un nuevo método mejora la fiabilidad del modelo al mejorar la detección de OOD.

La medición de canal mejora los sistemas inalámbricos a través de mediciones efectivas de señal.

Explorando nuevos métodos para mejorar la representación de la incertidumbre en el aprendizaje profundo.

Mejorando las estrategias de control para sistemas mientras evitamos obstáculos.

Mejorando el seguimiento de ubicación con métodos innovadores de tecnología cuántica.

Un nuevo enfoque para el análisis de seguridad usando funciones de barrera estocásticas por partes.

Estamos combinando datos de cámaras y radares para mejorar la detección de objetos en los vehículos autónomos.

Presentamos una plataforma de investigación flexible para la innovación en conducción automatizada.

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

Los robots pueden mejorar la navegación clasificando diferentes terrenos en entornos difíciles.

Evaluando técnicas de traducción de imágenes en las pruebas de coches autónomos.

Nuevos métodos mejoran la seguridad al medir la confianza en las decisiones de los vehículos autónomos.

Presentando un nuevo marco para animaciones realistas de peatones en el entrenamiento de vehículos autónomos.

Este método mejora la seguridad de los autos autónomos mediante técnicas de detección mejoradas.

Un nuevo sistema predice las acciones de los peatones y conductores, mejorando la seguridad vial.

La investigación se centra en cómo los vehículos autónomos pueden igualar los estilos de conducción humanos para mayor comodidad.

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

Abordando problemas de comunicación para un pelotón de vehículos más seguro y eficiente.

Un método para entrenar a los agentes a seguir reglas mientras maximizan recompensas.

El aprendizaje federado enfrenta nuevos ataques de envenenamiento, poniendo en peligro la seguridad en la tecnología de autos autónomos.

Un nuevo método mejora la seguridad en la accesibilidad de alta dimensión para vehículos autonómos.

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

Nuevo modelo de IA mejora la comprensión de imágenes en tres dimensiones.

PAFOT mejora las pruebas de seguridad para coches autónomos mediante técnicas de simulación avanzadas.

Un enfoque nuevo para evaluar cómo los conductores se comunican e interactúan en la carretera.

DriveWorld mejora la tecnología de conducción autónoma al analizar datos espaciales y temporales.

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