Últimos artículos para Vehículos Autónomos

Un método que combina CLIP y SAM mejora el reconocimiento de objetos sin datos etiquetados.

Un nuevo método mejora la precisión de ubicación de sensores en entornos complejos.

NeMO mejora el mapeo de coches autónomos a través de un análisis detallado de múltiples fotogramas.

Nuevo método mejora la detección 3D usando solo datos de cámara 2D.

Un nuevo método mejora el seguimiento de objetos y la estimación de velocidad para vehículos autónomos.

Este documento presenta un método para mejorar la toma de decisiones de los coches autónomos en tráfico mixto.

Un nuevo método mejora el seguimiento de varias personas en escenas complejas.

Nuevos métodos mejoran el rendimiento en carreras de los coches autónomos usando aprendizaje profundo.

Este artículo presenta un nuevo método para la segmentación semántica eficiente en escenas 3D.

Explorando el potencial de las cámaras de eventos para mejorar la detección de peatones en vehículos autónomos.

Un nuevo método permite que los go-karts se manejen solos usando técnicas basadas en datos.

Analizando las medidas de seguridad para vehículos autónomos en condiciones de conducción dinámicas.

Un nuevo modelo mejora la velocidad y precisión en la detección de acciones en análisis de video en tiempo real.

P2D mejora la detección de objetos 3D en autos autónomos usando predicción de movimiento.

Un estudio examina cómo los conductores humanos interactúan con vehículos autónomos en la carretera.

Ground-VIO mejora la estimación de la pose del vehículo utilizando relaciones cámara-suelo.

Explorando factores de comodidad en el diseño de vehículos autónomos para mejorar la experiencia del usuario.

Un nuevo marco mejora la segmentación de nubes de puntos usando modelos de visión base.

Un conjunto de datos completo para mejorar la comprensión del tráfico en intersecciones urbanas.

Este método mejora la percepción en 3D para coches autónomos usando datos de cámaras.

Un nuevo método mejora el rendimiento de la segmentación de imágenes a través de técnicas innovadoras.

La detección de anomalías es clave para la seguridad de los coches autónomos.

Una mirada a cómo la integración de datos de sensores mejora la percepción de vehículos autónomos.

Usando Deep Q-Learning para enseñar a los coches autónomos a mantener el carril y evitar colisiones.

UncLe-SLAM mejora la mapeo y el seguimiento aprendiendo sobre las incertidumbres de los sensores.

FrameFusion mejora la precisión de la detección de objetos 3D en vehículos autónomos.

TADIL mejora el aprendizaje continuo para máquinas que enfrentan tareas de datos cambiantes.

Una nueva plataforma evalúa el rendimiento de aceleradores de deep learning para vehículos autónomos seguros.

BEVScope mejora la estimación de profundidad para entender mejor los entornos en robótica.

Una estrategia para optimizar el etiquetado de datos en tareas de visión por computadora.

ScenarioNet utiliza datos de conducción reales para mejorar las pruebas de coches autónomos.

Drones innovadores están ayudando en la detección y monitoreo de embarcaciones marítimas.

Descubre cómo las gateways mejoran la comunicación de los robots para un mejor rendimiento.

Un nuevo método mejora la precisión en la predicción de trayectorias sin depender de mapas de alta definición.

Un nuevo método ayuda a los robots a navegar por entornos difíciles de manera segura.

Enfoques innovadores mejoran la claridad de la imagen al eliminar la neblina de manera efectiva.

Explorando el papel del radar 4D mmWave en la tecnología de autos autónomos.

Un nuevo método mejora la comprensión de escenas para vehículos autónomos usando consultas de instancia.

Un nuevo enfoque mejora la comprensión de entornos 3D para autos autónomos.

Una mirada a los avances y desafíos en los coches autónomos.