Artigos mais recentes para Sistemas Autônomos

Um olhar sobre aprendizado seguro com múltiplos agentes em ambientes restritos.

O QNNRepair melhora a precisão das redes neurais depois da quantização.

Um novo método melhora a avaliação de mapas densos a partir de dados LiDAR.

Robôs criam formas de forma eficiente usando códigos de cores e estratégias de movimento específicas.

Analisando métodos de análise de risco para tecnologia de carro autônomo seguro.

Um novo sistema melhora a avaliação de terreno de veículos off-road usando dados de LiDAR e câmera.

Explorando o papel dos métodos de kernel em melhorar os métodos de aprendizado por reforço.

Um novo método melhora a adaptabilidade da detecção de objetos a dados diversos.

Novos métodos garantem que os robôs cubram áreas com segurança enquanto se adaptam aos desafios.

Este artigo examina como avaliar as intenções dos sistemas de IA.

Um novo método melhora o aprendizado a partir de conjuntos de dados desiguais no aprendizado por reforço offline.

Novas proteções de segurança resolvem atrasos em sistemas autônomos pra garantir uma operação mais segura.

SEPT melhora a transmissão sem fio de nuvens de pontos 3D usando aprendizado profundo.

Um novo método melhora a transmissão de imagens através de uma comunicação eficiente em duas vias.

Uma nova métrica melhora a precisão e clareza das previsões do modelo.

A pesquisa apresenta modelos eficientes pra prever a orientação de navios usando técnicas de deep learning.

Um novo modelo melhora a segurança e a eficiência no transporte aéreo urbano.

Um novo método aumenta a eficiência no planejamento de movimento de robôs e na detecção de colisões.

Apresentando um método pra melhorar a confiabilidade na busca de imagens pra aplicações críticas.

Uma nova estrutura pra fortalecer modelos de aprendizado por reforço em ambientes imprevisíveis.

Novas técnicas de modulação melhoram a comunicação sem fio em cenários e ambientes de alta velocidade.

A IA melhora o processamento de dados de satélites pra tomadas de decisão mais rápidas e inteligentes no espaço.

Novo framework melhora o mapeamento e a detecção subaquática, mesmo com os desafios ambientais.

O GP-Frontier permite que robôs naveguem sem mapas, usando sensores em tempo real.

Um novo método permite que drones se rastreiem usando câmeras e IMUs.

OMIGA melhora o aprendizado offline de múltiplos agentes ao integrar estratégias de aprendizado globais e locais.

A pesquisa foca em melhorar o processamento de informações em sistemas autônomos críticos para a segurança.

Uma nova abordagem melhora a segurança em tarefas de aprendizado por reforço sem recompensas anteriores.

QUAM melhora as estimativas de incerteza nas previsões em várias áreas.

Esse artigo explora como drones usam aprendizado por reforço pra navegar com segurança em florestas.

Um novo método melhora imagens em baixa luz enquanto reduz o ruído e preserva as cores.

Uma olhada nos NS-POMDPs e seu impacto na tomada de decisão em ambientes incertos.

Esse artigo apresenta a antecipação de responsabilidade pra melhorar a tomada de decisões em interações entre vários agentes.

Veículos autônomos melhoram a estimativa de vagas de estacionamento pra gerenciar melhor o congestionamento.

Um novo método melhora redes neurais bayesianas para generalização e estimativa de incerteza.

Explorando como os robôs melhoram a coleta de dados ambientais por meio da tomada de decisões autônomas.

Descubra os avanços em Q-learning descentralizado para sistemas multi-agente.

O 2º Desafio BARN mostrou os avanços nos sistemas de navegação de robôs autônomos.

GP-MPPI combina sensoriamento em tempo real e planejamento de caminho para navegação robótica.

Explore como a meta-aprendizagem não linear melhora a eficiência e a precisão no aprendizado de tarefas.