Derniers articles pour Technologie de transport

SOGDet améliore la détection d'objets en prenant en compte le contexte environnemental pour la conduite autonome.

Des recherches montrent que la musique influence l'interaction avec les robots grâce à des indices émotionnels.

LK-99 pourrait changer l'avenir de la supraconductivité si ça s'avère efficace.

La prédiction de mouvement est super importante pour le fonctionnement sûr des véhicules autonomes, ça améliore la circulation et la prise de décision.

MBAPPE améliore la prise de décision pour les véhicules autonomes en utilisant des comportements appris.

LineMarkNet améliore la précision du stationnement des véhicules autonomes grâce à une détection de lignes avancée.

De nouvelles méthodes améliorent la conduite autonome en se concentrant sur la planification basée sur les compétences.

Des chercheurs analysent comment les véhicules autonomes et les conducteurs humains gèrent les conflits aux intersections.

Une nouvelle méthode pour gérer la recharge des véhicules électriques en utilisant l'apprentissage par renforcement multi-agents.

Cet article parle des avantages du multiplexage par répartition dans le temps dans les véhicules connectés.

Des chercheurs trouvent des moyens de protéger des données sensibles dans des environnements d'agents coopératifs.

Des recherches montrent comment les gestes peuvent améliorer la sécurité des piétons et des voitures autonomes.

La recherche se concentre sur l'amélioration des explications et la gestion de l'incertitude dans la prise de décision des véhicules autonomes.

Un nouveau modèle aide les voitures autonomes à s'insérer en toute sécurité dans un trafic chargé.

Une nouvelle méthode améliore la gestion des données dans les véhicules intelligents.

Améliorer la capacité des véhicules autonomes à prédire le comportement des conducteurs renforce la sécurité.

Présentation d'un nouveau modèle pour mieux prédire les mouvements des véhicules dans le trafic.

Révolutionner le partage de données et la sécurité dans les réseaux de véhicules avec de nouveaux cadres d'apprentissage.

Explorer la prise de décision et l'explicabilité dans les voitures autonomes.

Comprendre les voitures autonomes, c'est super important pour la confiance et la sécurité.

UniV2X améliore la conduite autonome grâce à la collaboration entre les véhicules et l’infrastructure.

Cet article parle de comment MBDRL optimise le contrôle de flux avec efficacité et coûts réduits.

De nouvelles méthodes améliorent la sécurité en prédisant les mouvements de piétons hors de la vue pour les véhicules autonomes.

Des modèles innovants améliorent la compréhension des conditions de route pour les véhicules autonomes.

Nouveau modèle améliore la reconnaissance de l'environnement du véhicule en utilisant des caméras et LiDAR.

Un nouveau modèle améliore les prévisions de trafic pour une mobilité urbaine plus intelligente.

M3Net améliore la segmentation LiDAR pour les voitures autonomes en intégrant des ensembles de données et des capteurs variés.

De nouvelles méthodes améliorent le contrôle des bulles de séparation turbulente pour une meilleure efficacité des véhicules.

BadFusion utilise les données de la caméra pour lancer des attaques backdoor sur les systèmes de conduite autonome.

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.