Derniers articles pour Véhicules autonomes

Des recherches montrent des failles dans la détection de voie des véhicules autonomes à cause des ombres négatives.

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

Un nouveau jeu de données vise à améliorer l'apprentissage automatique avec des données de capteurs visuels dynamiques.

Ce modèle améliore la navigation des véhicules en combinant des techniques de localisation et de planification d'itinéraires.

CASPFormer innove la prédiction de trajectoire en utilisant des images vues du ciel.

SPARQ améliore la surveillance de sécurité pour les véhicules autonomes en s'attaquant aux échecs de perception.

Une nouvelle approche améliore la sécurité des voitures autonomes grâce à des exemples contrefactuels.

Un nouveau cadre pour évaluer l'efficacité des systèmes de positionnement basés sur la vision.

Les améliorations dans la perception LiDAR boostent les performances dans des environnements multi-capteurs.

Une méthode pour gérer les données de capteurs conflictuelles dans les véhicules autonomes pour améliorer la sécurité.

Ce modèle améliore l'estimation de profondeur tout en étant économe en ressources et facile à utiliser.

Une nouvelle méthode aide les bateaux autonomes à éviter les collisions dans des eaux agitées.

Un nouveau cadre améliore la compréhension vidéo dans des conditions de faible luminosité en utilisant des caméras événementielles.

Examiner comment le platooning de véhicules peut améliorer la sécurité et le flux de la circulation.

PLATYPUS améliore la clarté des nuages de points 3D pour une meilleure perception des machines.

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

Explore comment les nouvelles technologies améliorent la précision des systèmes autonomes dans différentes tâches.

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

Découvre comment les voitures autonomes évitent les accidents en utilisant la manœuvre d'évitement à risque minimum.

Apprends comment les robots créent des cartes de leur environnement en utilisant des techniques avancées.

Apprends comment les machines estiment la profondeur et s'adaptent à différents environnements.

Une nouvelle méthode associe des images visibles et thermiques pour une meilleure estimation de profondeur.

DSceneKG offre une ressource riche pour entraîner l'IA dans des situations de conduite réelles.

ISAC combine la détection et la communication pour améliorer les capacités des réseaux mobiles.

LidaRefer améliore la reconnaissance d'objets en extérieur pour les véhicules autonomes.

Les chercheurs s'attaquent aux défis de l'enseignement des voitures autonomes par imitation et apprentissage.

Explorer comment les voitures autonomes interagissent avec les véhicules conduits par des humains pour la sécurité.

Découvrez comment les scientifiques apprennent aux voitures robots à rouler en toute sécurité hors route.

Une nouvelle approche améliore la façon dont les ordinateurs apprennent de l'expérience.

PKF améliore la précision du suivi d'objets dans des environnements complexes.

Découvre comment le contrôle sans modèle aide les machines à fonctionner avec un minimum d'infos.

Des chercheurs améliorent la reconnaissance des feux de circulation pour les voitures autonomes par mauvais temps.

Une nouvelle méthode améliore la fiabilité et l'adaptabilité des drones pendant le vol.

L'étude améliore la compréhension des vidéos grâce à des questions axées sur le mouvement et des réponses visuelles.

Explore comment le diagnostic des pannes garde les véhicules autonomes sûrs et efficaces.

Les systèmes d'IA font face à de nouveaux risques à cause des attaques uniquement sur le bord qui faussent les prédictions.

Un nouveau cadre améliore les prévisions et les décisions pour les véhicules autonomes.

Des méthodes innovantes améliorent la qualité vidéo pour la formation des véhicules autonomes.

Un aperçu des méthodes de test pour les logiciels de voitures autonomes.

Une nouvelle méthode améliore la détection d'objets dans les voitures autonomes en utilisant des données de caméra et de radar.