自動運転車 に関する最新の記事

新しいモデルが物体認識を改善して道路の安全性を向上させる。

新しい方法が、自動運転車が予期しない道路の課題を認識して対処する方法を改善する。

新しい手法がAVモデルのカメラ視点の変化への適応性を高める。

FusionFormerはカメラとLiDARデータをうまく組み合わせて3D物体検出を向上させる。

ニューラル放射場を使った大規模マッピングのための連合学習を利用した新しい方法。

Rank2Tellデータセットは、自動運転技術への信頼のための交通シーンの理解を深めるんだ。

自動運転車の道路安全を向上させるために歩行者検出の問題を調査中。

ImageTo360は、カメラ画像からの最小限のラベル付きデータを使ってLiDARセグメンテーションを改善する。

新しいアプローチで、単眼カメラシステムを使った物体検出の精度が向上したよ。

DEFormerは、周波数データを使って低照度条件での画像品質を向上させるよ。

研究は、より信頼性のあるSLAMのために動きのバイアスを減らすことに焦点を当ててる。

新しいアンサンブルアーキテクチャは、オブジェクト検出の信頼性と精度を高めるよ。

CAVは、より良い交通の流れを予測するためのスマートインフラで安全性が高まってきてるよ。

MBAPPEは、学習した行動を使って自律走行車の意思決定を向上させる。

この記事では、自動運転車のタスクオフロードを改善するための新しい方法について話してるよ。

新しい方法で、物理学とディープラーニングを組み合わせて人の動きを正確に予測するんだ。

この記事では、自動運転技術におけるBEV（バードアイビュー）認識の役割について話してるよ。

高度なイメージング技術を使って、自動運転車の中で異常な物体を検出する研究。

言語モデルが自動運転車のコミュニケーションや意思決定をどう向上させるか探ってる。

ロボットはオペレーターの好みを予測することで新しい地形にうまく適応できる。

新しい方法がロボットの動きモデルをいろんな表面で改善する。

駐車歩行者データセットは、自動運転車の歩行者検出に焦点を当てて安全性を向上させるんだ。

自動運転車における表面反射率がセンサー性能に与える影響を調べる。

LineMarkNetは、高度なライン検出を使って自動運転車の駐車精度を向上させる。

研究によると、データの使い方を簡素化すると自動運転車の性能が向上するんだって。

OccluTrackは、人混みの中での隠れた追跡の課題に対処することで、追跡の精度を向上させるよ。

新しい手法は、複数のセンサーを使って厳しい環境での車両の位置特定を向上させる。

新しいフレームワークが、マルチビュ制約とLiDARデータを使ってカメラの位置特定精度を向上させるよ。

自動運転における効率的な交通標識分類の方法。

新しい制御方法が、水中車両のさまざまなタスクの調整を強化するんだ。

自動運転車の認識能力に風防がどう影響するかを調べてる。

新しい技術がGPSとVIOの精度を向上させて、より良い位置情報を提供する。

DJINNは自動運転車のテストのためにリアルな交通シナリオを生成するよ。

過去のデータを使って、さまざまな環境での物体検出を改善する方法。

自動運転車と人間が運転する車両の交通の流れを改善するための制御方法を調査中。

FGFusionは、ライダーとカメラのデータをうまく組み合わせることで3Dオブジェクト検出を改善するんだ。

革新的なアプローチが画像認識テストの効率と精度を向上させる。

AVが自分の未来の行動をどう伝えて、より安全な運転ができるか探ってる。

新しいフレームワークSurrealDriverが都市環境でのドライバーエージェントシミュレーションを改善する。

強化学習と文法を組み合わせて、より良いカメラデザインを作る。