Derniers articles pour Véhicules autonomes

Une nouvelle méthode améliore l'entraînement des voitures autonomes grâce à une interaction semblable à celle des humains.

Améliorer la détection des gros objets dans les environnements de véhicules autonomes.

Une nouvelle méthode pour améliorer la prédiction de trajectoire selon des longueurs d'observation variables.

UniV2X améliore la conduite autonome grâce à la collaboration entre les véhicules et l’infrastructure.

Une méthode pour améliorer la détection d'objets 3D en utilisant des données LiDAR.

Une nouvelle approche améliore la détection des trottoirs pour les véhicules autonomes.

VecKM améliore l'encodage de la géométrie locale pour les nuages de points, augmentant l'efficacité et la robustesse.

De nouvelles méthodes améliorent la sécurité en prédisant les mouvements de piétons hors de la vue pour les véhicules autonomes.

Une nouvelle approche pour des scénarios de circulation réalistes dans les tests de véhicules autonomes.

Une nouvelle méthode améliore la détection d'objets dans les véhicules autonomes en utilisant des données de capteurs combinées.

LidarDM génère des vidéos LiDAR réalistes pour l'entraînement et les tests de véhicules autonomes.

Présentation de méthodes de contrôle efficaces pour des systèmes à grande échelle en utilisant des observateurs distribués.

Une nouvelle méthode améliore la prédiction de mouvement pour les véhicules autonomes, en se concentrant sur la sécurité et l'incertitude.

Explorer comment l'apprentissage semi-supervisé combine des données étiquetées et non étiquetées pour de meilleurs modèles d'IA.

Utiliser des données LiDAR historiques pour améliorer la détection 3D basée sur la caméra dans les véhicules autonomes.

La recherche se concentre sur l'amélioration des méthodes de cartographie pour une identification efficace des lieux.

MemFlow propose une estimation d'optique de flux en temps réel en utilisant un module de mémoire pour une précision améliorée.

EasyTrack et EasyTrack++ améliorent le suivi d'objets dans des environnements 3D en utilisant des nuages de points.

Des modèles innovants améliorent la compréhension des conditions de route pour les véhicules autonomes.

Une nouvelle méthode améliore la résilience du suivi d'objets visuels face à des attaques subtiles.

Découvrez comment les petites voitures façonnent l'éducation et la recherche sur la conduite autonome.

Une communication claire crée de la confiance dans les véhicules autonomes pour tous les usagers de la route.

Un nouveau cadre améliore la conscience des véhicules grâce à des données partagées et à une priorisation.

Une nouvelle méthode améliore l'efficacité de l'apprentissage par imitation en utilisant le boosting.

Apprends à classer des objets en utilisant des images et des nuages de points 3D sans étiquettes.

Une nouvelle méthode améliore le mouvement des robots avec des insights sur le comportement humain.

Une nouvelle méthode améliore la fiabilité des prédictions des réseaux de neurones dans les tâches de régression.

Un nouveau cadre améliore la détection d'objets pour des éléments connus et inconnus.

Comprendre la communication, c'est super important pour avoir confiance dans les véhicules autonomes.

SLAIM améliore le suivi et la cartographie en temps réel grâce à des réseaux neuronaux avancés et des infos de profondeur.

Une méthode rapide pour créer des modèles 3D à partir de seulement six photos, idéale pour les véhicules.

Une nouvelle approche pour améliorer le suivi multi-objets grâce aux données 3D.

Les réseaux ISAC changent le paysage de la connectivité sans fil et des capacités de détection.

Un aperçu des applications de NeRF qui transforment la technologie de conduite autonome.

Une nouvelle méthode améliore le positionnement des véhicules en utilisant la 5G et des capteurs embarqués.

Une nouvelle méthode améliore la fiabilité des modèles en renforçant la détection OOD.

Le sondage de canal améliore les systèmes sans fil grâce à une mesure efficace du signal.

Explorer de nouvelles méthodes pour améliorer la représentation de l'incertitude dans l'apprentissage profond.

Améliorer les stratégies de contrôle pour les systèmes tout en évitant les obstacles.

Améliorer le suivi de localisation avec des méthodes innovantes de technologie quantique.