Articoli più recenti per Veicoli autonomi

Un nuovo metodo migliora l'adattabilità dei modelli AV ai cambiamenti di punto di vista della telecamera.

FusionFormer migliora il rilevamento di oggetti 3D combinando in modo efficace i dati della camera e del LiDAR.

Un nuovo metodo che usa l'apprendimento federato per la mappatura su larga scala con campi di radianza neurale.

Il dataset Rank2Tell migliora la comprensione delle scene di traffico per la fiducia nella tecnologia delle auto a guida autonoma.

Esaminare i problemi nel rilevare i pedoni per migliorare la sicurezza stradale dei veicoli autonomi.

ImageTo360 migliora la segmentazione LiDAR usando pochi dati etichettati da immagini della fotocamera.

Un nuovo approccio migliora l'accuratezza del riconoscimento degli oggetti usando sistemi a singola telecamera.

DEFormer migliora la qualità delle immagini in condizioni di scarsa illuminazione usando dati di frequenza.

La ricerca si concentra sulla riduzione del bias di movimento nello SLAM per una maggiore affidabilità.

L'Architettura Ensemble in fase di sviluppo migliora l'affidabilità e la precisione del rilevamento degli oggetti.

I CAV stanno diventando più sicuri con infrastrutture intelligenti per migliori previsioni sul movimento del traffico.

MBAPPE migliora il processo decisionale per i veicoli autonomi utilizzando comportamenti appresi.

Questo articolo parla di nuovi metodi per migliorare il trasferimento dei compiti nelle auto a guida autonoma.

Un nuovo metodo integra fisica e deep learning per prevedere il movimento umano in modo preciso.

Questo articolo parla del ruolo della percezione BEV nella tecnologia di guida autonoma.

Ricerca su come rilevare oggetti strani nei veicoli autonomi tramite tecniche di imaging avanzate.

Esplorare come i modelli linguistici migliorano la comunicazione e il processo decisionale delle auto a guida autonoma.

I robot possono adattarsi meglio a nuovi terreni prevedendo le preferenze degli operatori.

Un nuovo metodo migliora i modelli di movimento dei robot su vari tipi di superfici.

Il dataset Parking Pedestrian migliora la sicurezza nelle auto a guida autonoma concentrandosi sul riconoscimento dei pedoni.

Esaminando come la riflettanza della superficie influisce sulle prestazioni dei sensori nei veicoli autonomi.

LineMarkNet migliora la precisione del parcheggio dei veicoli autonomi con una rilevazione delle linee avanzata.

La ricerca mostra come semplificare l'uso dei dati migliora le prestazioni dei veicoli a guida autonoma.

OccluTrack migliora l'accuratezza del tracciamento affrontando le sfide dell'occlusione in ambienti affollati.

Un nuovo metodo migliora il posizionamento dei veicoli in ambienti difficili usando più sensori.

Nuovo framework migliora l'accuratezza della localizzazione della fotocamera usando vincoli multi-visione e dati LiDAR.

Un metodo per una classificazione efficiente dei segnali stradali nella guida autonoma.

Un nuovo metodo di controllo migliora il coordinamento dei veicoli sottomarini per vari compiti.

Esaminando come i parabrezza influenzano le capacità percettive delle auto a guida autonoma.

Una nuova tecnica migliora l'accuratezza del GPS e del VIO per una migliore localizzazione.

DJINN genera scenari di traffico realistici per testare le auto a guida autonoma.

Un metodo per migliorare il rilevamento di oggetti in ambienti diversi usando dati passati.

Esaminando i metodi di controllo per migliorare il flusso di traffico con veicoli autonomi e guidati da esseri umani.

FGFusion migliora il rilevamento 3D degli oggetti combinando efficacemente i dati del lidar e della fotocamera.

Un approccio innovativo migliora l'efficienza e l'accuratezza dei test di riconoscimento delle immagini.

Esplorare come i veicoli autonomi possono comunicare le loro azioni future per una guida più sicura.

Il nuovo framework SurrealDriver migliora la simulazione degli agenti di guida per ambienti urbani.

Integrare l'apprendimento per rinforzo e la grammatica per migliorare i design delle macchine fotografiche.

Un nuovo metodo migliora la compressione e ricostruzione dei dati LiDAR.

ViWS-Net rimuove efficacemente diverse condizioni meteorologiche dai video, migliorando la chiarezza e la qualità.