Derniers articles pour Véhicules autonomes

BOTT propose une approche innovante pour suivre des objets 3D dans les voitures autonomes.

CLLD améliore la détection de voies dans des conditions difficiles grâce à l'apprentissage auto-supervisé.

Cet article explore comment la fusion de capteurs améliore la sécurité et l'efficacité des véhicules autonomes.

Cette étude améliore la reconnaissance des panneaux de signalisation en utilisant des techniques d'image améliorées.

Une nouvelle méthode améliore la détection des ombres en séparant les couches.

Une nouvelle méthode améliore la prévision de mouvement en utilisant des stratégies d'apprentissage auto-supervisé.

L'apprentissage fédéré améliore la sécurité des véhicules connectés tout en protégeant les données des utilisateurs.

Un nouveau cadre améliore la précision des modèles 3D en utilisant des nuages de points partiels pour les voitures autonomes.

VBMO propose une méthode pour planifier des trajets efficacement avec plusieurs objectifs.

ELiOT améliore les méthodes d'odométrie LiDAR pour une meilleure localisation des robots.

DiffSeg propose une nouvelle façon de segmenter des images sans données étiquetées.

Une nouvelle méthode prédit le comportement des conducteurs et améliore la sécurité dans le trafic hybride.

Une méthode pour segmenter les données LiDAR sans étiquettes manuelles en utilisant l'analyse temporelle.

Une nouvelle approche de la localisation AV met l'accent sur la flexibilité et la sécurité.

De nouvelles fonctionnalités améliorent la façon dont les VÀs apprennent les styles de conduite pour des interactions plus sûres.

SPROUT améliore la sécurité en détectant les erreurs de classification dans les classificateurs d'apprentissage automatique.

Une étude sur l'utilisation de l'IA pour améliorer les courses sans pilote dans les compétitions.

Un nouveau modèle combine des réseaux neuronaux et des modèles de choix pour des prédictions de conduite plus sûres.

MapPrior améliore la perception BEV, renforçant la précision et la sécurité des véhicules autonomes.

Une nouvelle méthode combine l'estimation de profondeur et la segmentation pour améliorer la sécurité des véhicules autonomes.

Examiner comment améliorer la sécurité des véhicules autonomes en mesurant l'incertitude des capteurs.

De nouvelles méthodes améliorent la performance des véhicules de course autonomes.

Cette étude examine comment le suivi oculaire améliore la performance des Vision Transformers dans les tâches de conduite.

Une nouvelle méthode améliore le contrôle de la circulation en utilisant des principes décentralisés pour l'efficacité énergétique.

L'accumulation de données radar peut améliorer la détection d'objets dans les véhicules autonomes.

Cet article présente une approche innovante pour améliorer la reconnaissance des panneaux de circulation.

Un nouveau cadre vise à optimiser les opérations EAV dans les zones urbaines.

SQLdepth améliore l'estimation de profondeur en apprenant des mouvements dans les scènes.

Le dataset NTU4DRadLM booste la recherche SLAM en intégrant des capteurs clés pour des environnements difficiles.

Une nouvelle méthode qui combine l'estimation de profondeur monoculaire et binoculaire pour une précision améliorée.

Une nouvelle méthode améliore la modélisation 3D à partir d'images 2D tout en surmontant les défis d'apprentissage.

Une nouvelle méthode améliore la fiabilité des prédictions dans les modèles d'apprentissage automatique.

Une nouvelle approche permet aux véhicules terrestres sans pilote de naviguer dans des zones où le GPS est indisponible.

Une nouvelle méthode pour la navigation des robots en toute sécurité en prenant en compte les risques physiques dans des environnements complexes.

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

Découvrez comment les robots améliorent la précision des cartes en filtrant les données trompeuses.

Une nouvelle méthode améliore la précision de la cartographie routière grâce aux images satellites.

Des méthodes novatrices améliorent la sécurité et la précision de la navigation des véhicules autonomes.

Une nouvelle méthode améliore la confidentialité des images collectées par des caméras fisheye dans les voitures autonomes.

Analyser les effets des données de capteurs corrompues sur la localisation des voitures autonomes.