自動運転車 に関する最新の記事

自動運転車の環境で大きな物体の検出を強化すること。

異なる観測長にわたる軌道予測を強化する新しい方法。

UniV2Xは、車両とインフラの協力によって自動運転を強化する。

LiDARデータを使って3Dオブジェクト検出を強化する方法。

新しいアプローチが自動運転車の歩道検出を強化。

VecKMはポイントクラウドの局所ジオメトリエンコーディングを改善し、効率と頑丈さを向上させる。

新しい手法が、自動運転車のために視界外の歩行者の動きを予測することで安全性を向上させる。

自動運転車のテストでリアルな交通シナリオを作る新しいアプローチ。

新しい方法で、自動運転車の物体検出がセンサーのデータを組み合わせることで向上するんだ。

LidarDMは、自動運転車のトレーニングとテスト用にリアルなLiDAR動画を生成するんだ。

分散オブザーバーを使った大規模システムの効率的な制御方法を紹介するよ。

新しい手法が自動運転車の動き予測を改善して、安全性と不確実性に重点を置いてるよ。

ラベル付きデータとラベルなしデータを組み合わせて、より良いAIモデルを作るセミスーパーバイズド学習について探る。

歴史的なLiDARデータを使って、自律走行車のカメラベースの3D検出を強化する。

研究は効率的な場所特定のためのマッピング方法の向上に焦点を当てている。

MemFlowは、精度を高めるためにメモリモジュールを使ってリアルタイムの光フロー推定を提供してるよ。

EasyTrackとEasyTrack++は、ポイントクラウドを使って3D環境でのオブジェクト追跡を改善するよ。

革新的なモデルが自動運転車のための道路状況の理解を深める。

新しい方法が微妙な攻撃に対する視覚的オブジェクト追跡の耐性を高める。

小型車が自動運転の教育や研究にどう影響してるかを探ってみよう。

明確なコミュニケーションは、すべての道路利用者にとって自動運転車への信頼を築く。

新しいフレームワークは、共有データと優先順位付けを通じて車両の認識を向上させる。

新しい方法がブースティングを利用して模倣学習の効率を高める。

ラベルなしで画像や3Dポイントクラウドを使って物体を分類する方法を学ぼう。

新しい方法が人間の行動の洞察を使ってロボットの動きを向上させる。

新しい方法が回帰タスクにおけるニューラルネットワークの予測の信頼性を高める。

新しいフレームワークが、既知と未知のアイテムの物体検出を改善する。

自動運転車における信頼には、コミュニケーションを理解することが大事だよ。

SLAIMは、高度なニューラルネットワークと深さ情報を使ってリアルタイムの追跡とマッピングを強化するよ。

たった6枚の写真から3Dモデルを作る簡単な方法、車両にぴったり。

3Dデータを使ってマルチオブジェクトトラッキングを改善する新しいアプローチ。

ISACネットワークは、ワイヤレス接続とセンシング能力の風景を変えているよ。

自動運転技術を変革するNeRFアプリケーションの概要。

新しい方法が5Gと搭載センサーを使って車両の位置決めを改善する。

新しい方法は、OOD検出を強化することでモデルの信頼性を向上させる。

チャネルサウンディングは、効果的な信号測定を通じてワイヤレスシステムを強化するんだよ。

ディープラーニングの不確実性表現を改善する新しい方法を探ってる。

障害物を避けながらシステムの制御戦略を強化する。

革新的量子技術を使って位置追跡を改善する。

区分確率的バリア関数を使った安全解析の新しいアプローチ。