Derniers articles pour Véhicules autonomes

Une nouvelle méthode combine le suivi 2D et 3D pour une meilleure reconstruction de scène.

Une approche de pointe pour améliorer la perception et la sécurité des véhicules.

Découvre comment les voitures autonomes apprennent à voir et à réagir sur la route.

Les caméras événementielles offrent une approche révolutionnaire pour la détection rapide d'objets.

Un aperçu de la façon dont le dataset OccluRoads gère la détection de piétons cachés.

L'algorithme EdgeD3 améliore l'efficacité de l'IA dans les applis en temps réel.

La correction en temps réel aide les voitures autonomes à apprendre et s'adapter sur la route.

Une nouvelle méthode améliore les performances des AUV dans les missions de suivi sous-marin.

Améliorer le suivi d'objets dans les USV pour des conditions maritimes difficiles.

FMGP améliore les prédictions DNN en estimant l'incertitude, super important pour les applications critiques.

De nouvelles méthodes améliorent la façon dont les voitures autonomes perçoivent leur environnement.

Les véhicules autonomes connectés utilisent la collaboration pour des voyages plus sûrs et plus intelligents.

Une nouvelle méthode clarifie la prise de décision en apprentissage automatique pour plus de confiance et de fiabilité.

LOMA combine des éléments visuels et linguistiques pour des prédictions d'espace 3D améliorées.

Un nouveau cadre améliore l'étiquetage des données pour les voitures autonomes.

Un aperçu des nouvelles stratégies de sécurité dans la technologie des voitures autonomes.

Les jeux de données synthétiques sont essentiels pour former des caméras basées sur des événements pour un conduites autonome plus sûr.

Découvrez comment MMD-OPT améliore la sécurité dans la conduite autonome.

Les systèmes DFRC mélangent détection radar et communication, s'attaquant à l'incertitude de direction des cibles.

Découvrez comment les données partagées rendent la conduite autonome plus sûre et plus intelligente.

NEST aide les véhicules autonomes à prédire les mouvements, améliorant la sécurité routière et l'efficacité.

GaussTR redéfinit la façon dont les machines perçoivent les environnements 3D avec une performance et une efficacité améliorées.

Comment les machines apprennent à prédire leur environnement pour la sécurité et l'efficacité.

ISAC fusionne communication et détection pour des solutions technologiques plus intelligentes.

SLTNet transforme la façon dont les machines traitent les données des caméras événementielles de manière efficace.

CLIP-RLDrive améliore la prise de décision des véhicules autonomes dans des situations de conduite complexes.

Découvrez comment les techniques asynchrones améliorent la prise de décision en temps réel pour les agents IA.

Combiner des modèles de fondation et des capteurs abordables améliore la perception de la profondeur dans plusieurs applications.

SimADFuzz améliore les tests de sécurité pour les véhicules autonomes avec des scénarios variés.

L'essor des véhicules autonomes change la circulation aux intersections.

Un nouveau cadre optimise le flux de trafic avec des véhicules autonomes et de l'IA.

Les avancées dans la reconstruction de scènes 3D transforment la sécurité routière.

LiDAR-RT améliore la perception des voitures autonomes avec un rendu 3D en temps réel.

GSRender améliore la compréhension de l'espace 3D grâce à des techniques innovantes et des besoins en données simplifiés.

Découvrez comment la surveillance prédictive améliore la sécurité dans les voitures autonomes et les robots.

Découvre comment PPN change la course de voitures autonomes grâce à la compréhension des scènes en temps réel.

UniPLV combine des types de données pour une reconnaissance de scènes par machine plus intelligente.

Découvrez comment COBRA améliore la récupération de données pour de meilleurs résultats en apprentissage automatique.

Des méthodes innovantes utilisent des moteurs de jeu pour améliorer les environnements de test pour les systèmes autonomes.

Un nouveau cadre de test de fuzz améliore la sécurité et l'efficacité des drones.