Articoli più recenti per Veicoli autonomi

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.

Nuovi metodi migliorano la guida autonoma concentrandosi su una pianificazione basata sulle abilità.

Nuovo metodo migliora il rilevamento degli oggetti per veicoli autonomi usando dati multi-modali.

Capire le sfide e le opportunità nella tecnologia di storage edge.

La ricerca sul veicolo EDGAR e il suo gemello digitale contribuiscono allo sviluppo della guida autonoma.

I ricercatori analizzano come i veicoli autonomi e i conducenti umani gestiscono i conflitti agli incroci.

Uno sguardo all'integrazione del Deep Reinforcement Learning nei sistemi UAV per migliorare le prestazioni e la sicurezza.

Model2Scene usa modelli CAD e linguaggio per migliorare l'apprendimento delle scene 3D.

Scopri come la tecnologia fotonica migliora la segmentazione delle immagini per applicazioni critiche.

UNREST migliora il processo decisionale nelle auto a guida autonoma considerando le incertezze ambientali.

Un nuovo framework migliora la precisione del rilevamento degli oggetti in ambienti reali.

APNet combina immagini aeree e nuvole di punti per un'analisi urbana migliore.

Un nuovo sistema migliora il tracciamento degli oggetti in ambienti dinamici per robot e auto a guida autonoma.

Nuovo motore migliora l'efficienza nella gestione delle nuvole di punti 3D con la Convoluzione Sparsa.

Esplorando il ruolo dell'ISAC nel far avanzare le tecnologie di comunicazione e di rilevamento.

Un nuovo modello migliora il cambio di corsia e il sorpasso dei veicoli a guida autonoma.

Scopri i vantaggi delle Reti Neurali Bayesiane nel fare previsioni informate.

Un nuovo metodo migliora il rilevamento delle anomalie nel traffico nei video di guida per la sicurezza.

SOAP migliora il rilevamento di oggetti fissi usando i dati di diversi sensori Lidar.

NeRFmentation migliora la stima della profondità monoculare usando dati sintetici per una migliore formazione del modello.

Un nuovo modello migliora il modo in cui le auto a guida autonoma prevedono i movimenti dei pedoni in aree affollate.

Nuovo modello migliora la creazione di mappe HD in tempo reale usando le telecamere a bordo.

Uno sguardo ai metodi per rilevare i pedoni in ambienti con scarsa illuminazione.

Un nuovo sistema si concentra su oggetti chiave per migliorare la comunicazione e la sicurezza dei veicoli.

Esaminando l'equità e l'accuratezza nel rilevare gli utenti della strada vulnerabili da parte dei veicoli autonomi.

FISOR migliora la sicurezza nell'apprendimento rinforzato offline tramite vincoli rigidi e metodi di apprendimento unici.

Un nuovo metodo di valutazione per la percezione stradale migliora la tecnologia delle auto senza guida.

Tecniche per migliorare il machine learning in ambienti dinamici.

Un nuovo sistema migliora come le auto a guida autonoma comunicano e collaborano sulla strada.

LiDAR-PTQ migliora il rilevamento 3D degli oggetti per auto a guida autonoma e robotica.

Uno sguardo a come le simulazioni dei sensori aumentano la sicurezza nella guida autonoma.