Derniers articles pour Véhicules autonomes

Une nouvelle méthode améliore le contrôle des véhicules marins dans des eaux difficiles.

Une nouvelle approche pour prévoir les résultats dans des systèmes avec du hasard en utilisant des GNN.

Une nouvelle méthode améliore les prévisions pour une conduite autonome plus sûre en milieu urbain.

Une nouvelle méthode améliore la précision de la segmentation des objets en utilisant plusieurs types d'images.

Une nouvelle méthode améliore la façon dont les capteurs traitent les données pour une meilleure détection des objets.

Un aperçu des défis et des défenses contre les attaques adversariales en apprentissage profond.

Un nouveau système permet aux voitures autonomes de naviguer en utilisant uniquement des informations visuelles.

Les chercheurs utilisent des images de drones pour créer des cartes efficaces pour les simulations de voitures autonomes.

JetSeg propose une segmentation sémantique rapide et précise en temps réel pour les appareils à faible consommation.

De nouvelles stratégies améliorent la stabilité et la sécurité dans les systèmes de contrôle pour différentes applications.

Combiner la 5G avec des capteurs embarqués améliore la précision de la navigation des véhicules autonomes.

Une nouvelle méthode prédit efficacement les mouvements des véhicules tout-terrain dans des conditions difficiles.

Utiliser des signaux radio pour une cartographie précise en robotique.

Explorer de nouvelles méthodes pour améliorer l'efficacité et la sécurité de l'apprentissage par renforcement hors ligne.

Co-MOT améliore la précision et l'efficacité du suivi grâce à des techniques innovantes.

KARNet combine l'apprentissage machine et la physique pour de meilleures prédictions de conduite autonome.

Apprends comment les systèmes de contrôle gèrent la prise de décision dans des environnements imprévisibles.

Une méthode auto-supervisée pour la prédiction de mouvement en utilisant uniquement des nuages de points non étiquetés.

Analyser le rôle des simulations dans la sécurité des véhicules autonomes et leurs limites.

La vue d'ensemble améliore la reconnaissance visuelle des lieux pour une meilleure précision dans la conduite autonome.

Une nouvelle méthode améliore la qualité des données LiDAR pendant des conditions météorologiques difficiles.

Une nouvelle méthode améliore les processus de validation pour les voitures autonomes et les robots.

Un nouveau système de conduite de robot combine apprentissage et prise de décisions claire.

OVO permet une prédiction flexible de l'occupation des objets en 3D sans avoir besoin d'un gros étiquetage.

Maskomaly détecte des anomalies dans les images sans exemples au préalable.

PlaNeRF améliore la modélisation 3D à partir d'images 2D, en améliorant la géométrie et la qualité de l'image.

De nouvelles méthodes améliorent la sécurité dans la robotique et les véhicules autonomes.

GMSF propose une nouvelle façon d'estimer le mouvement dans l'espace 3D.

Cette étude se concentre sur l'amélioration de la communication pour renforcer la sécurité routière aux intersections.

TReR améliore la reconnaissance des lieux pour les véhicules autonomes en utilisant des données LiDAR 3D.

Occ-BEV améliore la perception des véhicules grâce à une modélisation 3D multi-caméra et à l'intégration de données.

Explorer les complexités du dépassement dans la conduite autonome.

Une nouvelle méthode aide les voitures autonomes à s'adapter aux conditions météorologiques changeantes sans perdre leurs compétences précédentes.

AGILE3D améliore la segmentation 3D en permettant l'interaction simultanée avec les objets.

Une nouvelle méthode pour identifier efficacement les erreurs de classification dans les modèles d'apprentissage machine.

Le dataset RACECAR offre des insights sans précédent sur la course autonome avec des scénarios et des données variés.

Cette étude améliore les véhicules autonomes grâce à des stratégies de modelage de récompense conscientes des risques.

Cet article parle de comment gérer les incohérences dans les explications en langage naturel pour l'IA.

Un nouveau modèle améliore l'analyse des images panoramiques pour des applications concrètes.

Une nouvelle méthode localise les véhicules en utilisant le lidar et des images satellites sans dépendre du GPS.