自動運転車 に関する最新の記事

BOTTは自動運転車で3Dオブジェクトを追跡する革新的なアプローチを提供してるよ。

CLLDは、自己教師あり学習を使って厳しい環境下でのレーン検出を強化するよ。

この記事では、センサーフュージョンが自動運転車の安全性と効率をどう高めるかを探るよ。

この研究は、画像処理技術を使って交通標識認識を向上させるんだ。

新しい方法は、層を分けることで影の検出を改善する。

新しい方法が自己教師あり学習戦略を使って動きの予測を強化する。

フェデレーテッドラーニングは、接続された車両の安全性を向上させつつ、ユーザーデータを守るんだ。

新しいフレームワークが、自動運転車用の部分的な点群を使って3Dモデルの精度を向上させるんだ。

VBMOは複数の目標を持つ効率的な経路計画の方法を提供しているよ。

ELiOTは、ロボットの位置特定を向上させるためにLiDARオドメトリ手法を強化する。

DiffSegは、ラベル付きデータなしで画像をセグメント化する新しい方法を提供するよ。

新しい方法がドライバーの行動を予測して、ハイブリッド交通の安全性を高めるよ。

手動ラベルなしで時系列分析を使ってLiDARデータをセグメント化する方法。

AVローカリゼーションの新しいアプローチは、柔軟性と安全性に焦点を当てている。

新しい機能が、自動運転車が運転スタイルを学ぶ方法を高めて、安全なやり取りができるようになったよ。

SPROUTは、機械学習の分類器での誤分類を検出することで安全性を高めるよ。

自動運転レースの競技におけるAI活用に関する研究。

新しいモデルは、神経ネットワークと選択モデルを組み合わせて、より安全な運転予測を行う。

MapPriorはBEVの認識を向上させて、自動運転車の精度と安全性を高める。

新しい方法は、深度推定とセグメンテーションを組み合わせて、自動運転車の安全性を向上させるんだ。

センサーの不確実性を測ることでAVの安全性を向上させる方法を検討中。

新しい方法で自動運転レーシングカーのパフォーマンスが向上してるよ。

この研究では、アイ・トラッキングが運転タスクにおけるビジョントランスフォーマーのパフォーマンスをどう向上させるかを調べてるよ。

新しい方法が、エネルギー効率のために分散型の原則を使って交通管理を改善する。

レーダーデータの蓄積は、自動運転車の物体検出を強化できるよ。

この記事では、交通標識認識を改善するための革新的なアプローチを紹介してるよ。

新しいフレームワークが都市部のEAV運用を最適化することを目指しているよ。

SQLdepthは、シーン内の動きから学ぶことで深度推定を向上させるよ。

NTU4DRadLMデータセットは、厳しい環境での重要なセンサーを統合することでSLAM研究を向上させるよ。

一眼と両眼の深度推定を組み合わせて、精度を向上させる新しい方法。

新しい方法が2D画像からの3Dモデリングを改善し、学習の課題を克服する。

新しい手法が機械学習モデルの予測の信頼性を高めるよ。

新しいアプローチで無人地上車両がGPSが使えないエリアで移動できるようになったよ。

複雑な環境での物理的リスクを考慮した安全なロボットナビゲーションの新しい方法。

動きの予測は、安全な自動運転のためにめっちゃ大事で、交通の流れや意思決定を良くするんだ。

ロボットが誤解を招くデータを除外してマッピングの精度を向上させる方法を学ぼう。

新しいアプローチで、衛星画像を使って道路マッピングの精度が向上した。

革新的な方法が自動運転車のナビゲーションの安全性と精度を向上させる。

新しい方法が、自動運転車のフィッシュアイカメラで収集された画像のプライバシーを向上させる。

自己運転車の位置特定に対する壊れたセンサーデータの影響を分析中。