Derniers articles pour Technologie de transport

Combiner les données LiDAR et les données de caméra pour améliorer l'efficacité des technologies de conduite autonome.

Une nouvelle approche améliore les voitures autonomes en imitant les schémas de pensée humains.

Un nouvel outil aide à la collaboration dans la conception des interfaces piéton-véhicule.

La méthode UAD réduit les besoins en données et améliore l'efficacité dans la conduite autonome.

LCSim propose des outils améliorés pour des scénarios de trafic urbain réalistes.

Les voitures autonomes utilisent des systèmes basés sur des règles pour naviguer sur la route en toute sécurité et prendre des décisions.

Conception de contrôleurs efficaces pour des systèmes incertains en utilisant des techniques d'abstraction.

SeFlow améliore l'estimation de mouvement pour les voitures autonomes en utilisant l'apprentissage auto-supervisé.

Ce papier explore des moyens d'améliorer l'évaluation de la calibration des modèles et de la précision prédictive.

Une nouvelle méthode améliore la sécurité en prédisant avec précision le Temps jusqu'à Collision grâce à des caméras basées sur des événements.

Découvre comment l'inférence active booste les capacités des voitures autonomes.

DACCA améliore la détection de voies grâce à un meilleur apprentissage des caractéristiques et à une agrégation de contexte.

Révolutionner la détection de voies pour les voitures autonomes avec une précision et une compréhension améliorées.

Une nouvelle approche pour améliorer la performance dans l'apprentissage fédéré hiérarchique.

Explorer l'impact des jumeaux numériques sur les réseaux de véhicules et la communication.

Un cadre renforce la sécurité des véhicules connectés tout en protégeant la vie privée des utilisateurs.

Un modèle de ville à petite échelle aide à la recherche sur les voitures autonomes et les systèmes de transport intelligents.

Une nouvelle méthode améliore la capacité des voitures autonomes à naviguer en toute sécurité dans les ronds-points.

Combiner les données de caméra et de LiDAR booste les capacités de détection des voitures autonomes.

Découvrez comment la communication V2X transforme la sécurité routière et la gestion du trafic.

Une nouvelle méthode améliore la sécurité des voitures autonomes en utilisant une seule caméra RGB-D.

Une nouvelle méthode d'entraînement améliore la détection d'objets 3D en utilisant des données synthétiques et du monde réel.

Une nouvelle approche améliore la sécurité en dérive pour les voitures autonomes en utilisant la physique.

Combiner le clonage comportemental et le PPO améliore la planification des trajectoires pour les voitures autonomes.

Utiliser des jumeaux numériques pour optimiser le trafic aux ronds-points et améliorer la communication entre véhicules.

Un cadre qui améliore la localisation des véhicules en intégrant les données de plusieurs capteurs.

Explorer comment les modèles de langage améliorent les technologies de conduite autonome.

La recherche met en avant une nouvelle approche pour l'apprentissage en temps réel dans les voitures autonomes.

Un nouveau modèle améliore la prédiction de mouvement pour les voitures autonomes avec des ressources minimales.

Des méthodes innovantes améliorent la compréhension de l'environnement pour les véhicules autonomes.

HeightMapNet améliore la cartographie pour les voitures autonomes en augmentant la précision et les détails.

Polar R-CNN innove la détection de voies, améliorant l'efficacité et la performance.

De nouvelles séquences pilotes améliorent la communication dans des environnements en constante évolution.

SplatAD fusionne les données des caméras et du Lidar pour des voitures autonomes plus intelligentes.

Un nouveau modèle améliore les prévisions pour les véhicules autonomes dans un trafic complexe.

De nouvelles méthodes aident les voitures intelligentes à apprendre à partir d'images de route de mauvaise qualité.

Explorer la technologie coopérative dans les voitures autonomes pour une sécurité et une efficacité accrues.

Apprends à ajouter des lignes de transit sans accrocs aux réseaux existants.

Une nouvelle méthode améliore la navigation des véhicules autonomes et le suivi d'objets.

HoloDrive fusionne des données 2D et 3D pour des voitures autonomes plus intelligentes.