交通技術 に関する最新の記事

LiDARとカメラデータを組み合わせて自動運転技術の効率をアップさせる。

新しいアプローチが自己運転車を、人間の思考パターンを真似ることで強化してるんだ。

新しいツールキットが歩行者と車両のインターフェース設計でのコラボを手助けするよ。

UAD方式はデータの必要量を減らし、自動運転の効率を向上させる。

LCSimはリアルな都市交通シナリオのための改良されたツールを提供してるよ。

自動運転車は、安全な道路ナビゲーションと意思決定のためにルールベースのシステムを使ってるよ。

不確実なシステムのための効率的なコントローラーデザイン、抽象化技術を使って。

SeFlowは自己監視学習を使って自動運転車の動きの推定を強化するよ。

この論文では、モデルのキャリブレーションと予測精度をより良く評価する方法について探求してるよ。

新しい方法は、イベントベースのカメラを使って衝突までの時間を正確に予測することで安全性を高める。

アクティブインファレンスが自動運転車の能力をどう向上させるかを学ぼう。

DACCAは、改良された特徴学習とコンテキスト集約を通じてレーン検出を強化します。

自己運転車のレーン検出をより正確に、理解を深めて革新する。

階層的フェデレーテッドラーニングのパフォーマンスを向上させる新しいアプローチ。

デジタルツインが車両ネットワークやコミュニケーションに与える影響を探る。

フレームワークは接続された車両のセキュリティを強化しつつ、ユーザーのプライバシーを守る。

小規模な都市モデルが自動運転車やスマート交通システムの研究を助けるんだ。

新しいアプローチが、自動運転車のラウンドアバウトを安全にナビゲートする能力を向上させるんだ。

カメラとLiDARデータを組み合わせることで、自動運転車の検出能力が向上するんだ。

V2X通信が道路の安全性と交通管理をどう変えるかを発見しよう。

新しい方法で、単一のRGB-Dカメラを使って自動運転車の安全性が向上したよ。

新しいトレーニング方法が合成データと実世界データを使って3Dオブジェクト検出を強化する。

物理学を使った新しいアプローチで、自動運転車のドリフト安全性が向上。

行動クローンとPPOを組み合わせることで、自動運転車の軌道計画が改善されるよ。

デジタルツインを使ってラウンドアバウトの交通を最適化して、車両間のコミュニケーションを改善する。

複数のセンサーデータ統合を使って車両の位置特定を改善するフレームワーク。

言語モデルが自動運転技術をどう向上させるかを探る。

研究が自動運転車のリアルタイム学習の新しいアプローチを強調してるよ。

新しいモデルが、自動運転車の動きの予測を最小限のリソースで改善したよ。

革新的な手法が自動運転車の周囲理解を向上させる。

HeightMapNetは、自動運転車のマッピングを正確さと詳細で向上させるよ。

Polar R-CNNがレーン検出を革新し、効率とパフォーマンスを向上させてるよ。

新しいパイロットシーケンスが急速に変わる環境でのコミュニケーションを改善するよ。

SplatADはカメラとLidarのデータを統合して、より賢い自動運転車を実現するんだ。

新しいモデルが複雑な交通で自動運転車の予測を改善するよ。

新しい方法が、スマートカーが低品質な道路画像から学ぶのを助けてるよ。

安全性と効率を高めるための自動運転車における協力技術の探求。

既存のネットワークに交通路をスムーズに追加する方法を学ぼう。

新しい方法で自動運転車のナビゲーションと物体追跡が強化されたよ。

HoloDriveは、よりスマートな自動運転車のために2Dと3Dデータを統合してるよ。