Artigos mais recentes para Tecnologia de Transporte

Uma nova abordagem para a localização de AV foca em flexibilidade e segurança.

Novas funcionalidades melhoram como os VAs aprendem estilos de direção para interações mais seguras.

O SOGDet melhora a detecção de objetos levando em conta o contexto ambiental para dirigir de forma autônoma.

Pesquisas mostram que a música afeta a interação com robôs através de sinais emocionais.

LK-99 pode mudar o futuro da supercondutividade se for comprovado eficaz.

A previsão de movimento é essencial pra operação segura de veículos autônomos, melhorando o fluxo do tráfego e a tomada de decisões.

MBAPPE melhora a tomada de decisões para veículos autônomos usando comportamentos aprendidos.

O LineMarkNet melhora a precisão do estacionamento de veículos autônomos com detecção avançada de linhas.

Novos métodos melhoram a condução autônoma focando no planejamento baseado em habilidades.

Pesquisadores analisam como os carros autônomos e os motoristas humanos lidam com conflitos em cruzamentos.

Um novo método pra gerenciar o carregamento de veículos elétricos usando aprendizado por reforço com múltiplos agentes.

Este artigo fala sobre os benefícios da multiplexação por divisão de tempo em veículos conectados.

Pesquisadores encontram maneiras de proteger dados sensíveis em ambientes com agentes cooperativos.

Pesquisas mostram como gestos podem aumentar a segurança para pedestres e carros autônomos.

A pesquisa foca em melhorar as explicações e lidar com a incerteza na tomada de decisão de veículos autônomos.

Novo modelo ajuda carros autônomos a se mesclarem com segurança no tráfego intenso.

Um novo método melhora o manuseio de dados em veículos inteligentes.

Melhorar a habilidade dos VAs de prever o comportamento do motorista aumenta a segurança.

Apresentando um novo modelo pra prever melhor o movimento dos veículos no trânsito.

Revolucionando o compartilhamento de dados e a segurança em redes de veículos com novas estruturas de aprendizado.

Explorando a tomada de decisão e a explicabilidade em carros autônomos.

Entender os carros autônomos é essencial pra confiança e segurança.

UniV2X melhora a direção autônoma através da colaboração entre veículos e infraestrutura.

Este artigo fala sobre como o MBDRL otimiza o controle de fluxo com eficiência e custos reduzidos.

Novos métodos melhoram a segurança prevendo os movimentos de pedestres fora da vista para veículos autônomos.

Modelos inovadores melhoram a compreensão das condições das estradas para veículos autônomos.

Novo modelo melhora o reconhecimento do ambiente do veículo usando câmeras e LiDAR.

Um novo modelo melhora as previsões de tráfego para uma mobilidade urbana mais inteligente.

O M3Net melhora a segmentação LiDAR para carros autônomos ao integrar diferentes conjuntos de dados e sensores.

Novos métodos melhoram o controle de bolhas de separação turbulenta pra uma eficiência melhor do veículo.

BadFusion usa dados da câmera pra lançar ataques de backdoor em sistemas de direção autônoma.

Combinando dados de LiDAR e câmera pra melhorar a eficiência da tecnologia de carros autônomos.

Uma nova abordagem melhora os carros autônomos imitando os padrões de pensamento humano.

Uma nova ferramenta ajuda na colaboração pra criar interfaces entre pedestres e veículos.

O método UAD reduz a necessidade de dados e aumenta a eficiência na condução autônoma.

O LCSim oferece ferramentas aprimoradas para cenários de tráfego urbano realistas.

Carros autônomos usam sistemas baseados em regras pra navegar nas estradas e tomar decisões de forma mais segura.

Projeto eficiente de controlador para sistemas incertos usando técnicas de abstração.

SeFlow melhora a estimativa de movimento para carros autônomos usando aprendizado auto-supervisionado.

Este artigo explora maneiras de avaliar melhor a calibração do modelo e a precisão preditiva.