Derniers articles pour Véhicules autonomes

Examiner l'impact crucial des données sur les processus de décision des AV.

Explorer l'importance de la prédiction de mouvement dans la technologie des voitures autonomes.

Examiner les avantages de la technologie MIMO-OTFS pour les systèmes de détection et de communication de nouvelle génération.

Une étude examine comment les explications influencent la sécurité des passagers et la prise de décision dans les voitures autonomes.

Présentation d'une méthode pour que les robots puissent naviguer en toute sécurité dans des environnements bondés.

Un nouveau cadre améliore la fiabilité de la détection d'objets pour des applications critiques.

Examen de l'intégration de l'O-RAN et du V2X pour améliorer la communication des véhicules.

MaskBEV utilise des masques pour améliorer la détection d'objets dans des environnements 3D.

De nouvelles méthodes améliorent la communication dans les réseaux encombrés grâce à l'auto-apprentissage.

Cette étude porte sur les éléments de trafic et les connexions de voie pour les voitures autonomes.

Scenic 3.0 améliore la modélisation pour des systèmes comme les voitures autonomes avec des capacités 3D.

Une nouvelle méthode auto-supervisée aide les UGV à apprendre la sécurité du terrain sans l'aide d'un humain.

Une nouvelle méthode améliore la fiabilité des modèles d'apprentissage profond en s'attaquant à l'incertitude prédictive.

CMDFusion combine des données 2D et 3D pour améliorer la détection d'objets dans les véhicules autonomes.

Un cadre pour améliorer les prédictions en utilisant l'abstention contre les données trompeuses.

Un nouveau modèle améliore les systèmes de perception pour un pilotage autonome plus sûr.

Une nouvelle méthode améliore les prédictions de mouvement des véhicules pour les systèmes de conduite autonome.

Explorer l'impact de l'OTFS sur la détection radar dans des environnements dynamiques.

DeepIPCv2 améliore la navigation avec LiDAR, surtout dans des conditions de faible luminosité.

Présentation de VertexNet pour améliorer l'algorithme RRT* et trouver des chemins plus rapidement.

Une nouvelle méthode pour améliorer la calibration des capteurs dans les véhicules en mouvement.

Un aperçu de comment les voitures apprennent à partir de données vidéo sans entrées étiquetées.

Un cadre pour améliorer la perception des véhicules en comblant les lacunes de données.

L'odométrie radar aide les véhicules à naviguer dans des environnements difficiles grâce à des capteurs radar.

Une nouvelle méthode améliore l'efficacité du stationnement automatisé des véhicules dans des environnements complexes.

U-MPPI améliore la planification de trajectoire pour une navigation autonome plus sûre dans des environnements incertains.

Ada3D améliore l'efficacité de la détection d'objets 3D pour les véhicules autonomes.

Nouvelle méthode améliore la détection de plusieurs objets en mouvement dans les images.

Un aperçu de comment le VI-SLAM aide les appareils à se cartographier et à se localiser.

De nouvelles méthodes améliorent la détection d'objets dans le brouillard et la pluie pour les voitures autonomes.

Une nouvelle approche pour rendre les voitures autonomes plus sûres et plus confortables.

Cette étude évalue l'efficacité des modèles VQA pour les scénarios de conduite.

Cette étude analyse les interactions entre véhicules en utilisant un modèle de trafic à deux classes.

Une nouvelle méthode améliore les nuages de points pour une meilleure analyse 3D.

Cet article parle d'un nouveau modèle pour améliorer la perception de la profondeur des robots en utilisant plusieurs capteurs.

Une nouvelle approche améliore la fiabilité des modèles d'apprentissage profond en mesurant l'incertitude.

Un nouveau système de contrôle améliore la sécurité des bateaux autonomes dans les voies navigables étroites.

Ce projet améliore la précision des prédictions sur le comportement des voitures autonomes grâce à des données combinées.

TwinLiteNet propose une solution légère pour une détection précise des zones de conduite et des pistes.

Une nouvelle méthode améliore les tests de sécurité pour les voitures autonomes.