Últimos artículos para Vehículos Autónomos

La investigación en redes de detección-segmentación mejora la seguridad en los coches autónomos.

BOTT ofrece un enfoque innovador para rastrear objetos 3D en coches autónomos.

CLLD mejora la detección de carriles en condiciones difíciles usando aprendizaje auto-supervisado.

Este artículo explora cómo la fusión de sensores mejora la seguridad y eficiencia de los vehículos autónomos.

Este estudio mejora el reconocimiento de señales de tráfico usando técnicas de imagen mejoradas.

Un nuevo método mejora la detección de sombras al separar capas.

Un nuevo método mejora la predicción de movimientos utilizando estrategias de autoaprendizaje.

El aprendizaje federado mejora la seguridad de los vehículos conectados mientras protege los datos de los usuarios.

Un nuevo marco mejora la precisión de modelos 3D usando nubes de puntos parciales para autos autónomos.

VBMO ofrece un método para la planificación eficiente de rutas con múltiples objetivos.

ELiOT mejora los métodos de odometría LiDAR para una mejor localización de robots.

DiffSeg ofrece una nueva forma de segmentar imágenes sin datos etiquetados.

Un nuevo método predice el comportamiento de los conductores y mejora la seguridad en el tráfico híbrido.

Un método para segmentar datos de LiDAR sin etiquetas manuales usando análisis temporal.

Un nuevo enfoque para la localización de AV se centra en la flexibilidad y la seguridad.

Nuevas funciones mejoran cómo los AV aprenden estilos de conducción para interacciones más seguras.

SPROUT mejora la seguridad al detectar clasificaciones erróneas en los clasificadores de aprendizaje automático.

Un estudio sobre cómo usar la IA para mejorar las carreras sin conductor en competiciones.

Un nuevo modelo combina redes neuronales y modelos de elección para hacer predicciones más seguras sobre la conducción.

MapPrior mejora la percepción BEV, aumentando la precisión y la seguridad para vehículos autónomos.

Un nuevo método combina la estimación de profundidad y la segmentación para mejorar la seguridad de los vehículos autónomos.

Examinando cómo mejorar la seguridad de los vehículos autónomos midiendo la incertidumbre de los sensores.

Nuevos métodos mejoran el rendimiento de los vehículos de carreras autónomos.

Este estudio examina cómo el seguimiento ocular mejora el rendimiento de los Transformers de Visión en tareas de conducción.

Un nuevo método mejora el control del tráfico usando principios descentralizados para la eficiencia energética.

La acumulación de datos de radar puede mejorar la detección de objetos en vehículos autónomos.

Este artículo presenta un enfoque innovador para mejorar el reconocimiento de señales de tráfico.

Un nuevo marco busca optimizar las operaciones de EAV en áreas urbanas.

SQLdepth mejora la estimación de profundidad al aprender del movimiento en las escenas.

El conjunto de datos NTU4DRadLM mejora la investigación en SLAM al integrar sensores clave para entornos desafiantes.

Un nuevo método que combina la estimación de profundidad monocular y binocular para mayor precisión.

Nuevo método mejora el modelado 3D a partir de imágenes 2D mientras supera los desafíos de aprendizaje.

Un nuevo método mejora la fiabilidad de las predicciones en modelos de aprendizaje automático.

Un nuevo enfoque permite a los vehículos terrestres no tripulados navegar en áreas sin GPS.

Un nuevo método para la navegación segura de robots considerando riesgos físicos en entornos complejos.

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

Descubre cómo los robots mejoran la precisión del mapeo al filtrar datos engañosos.

Un nuevo enfoque mejora la precisión de la cartografía usando imágenes satelitales.

Métodos innovadores mejoran la seguridad y precisión de la navegación de vehículos autónomos.

Un nuevo método mejora la privacidad de las imágenes recolectadas por cámaras ojo de pez en coches autónomos.