Artigos mais recentes para Veículos Autônomos

Esse estudo destaca a importância da detecção de objetos em áreas de construção para carros autônomos.

O MemFusionMap melhora o mapeamento HD em tempo real usando informações de quadros anteriores.

Um novo método melhora a precisão na estimativa de velocidade para drones usando dados de radar e acelerômetro.

O 3DIOC determina objetivos de controle de forma eficiente a partir de dados, sem precisar de modelos de sistema.

Pesquisas mostram vulnerabilidades na detecção de faixa em AV através de sombras negativas.

Métodos inovadores melhoram a compreensão do ambiente para veículos autônomos.

Um novo conjunto de dados tem o objetivo de melhorar o aprendizado de máquina com dados de sensores de visão dinâmica.

Esse modelo melhora a navegação de veículos ao combinar técnicas de localização e planejamento de rotas.

O CASPFormer inova a previsão de trajetórias usando imagens de visão de pássaro.

O SPARQ melhora o monitoramento de segurança para veículos autônomos ao lidar com falhas de percepção.

Uma nova abordagem melhora a segurança dos carros autônomos por meio de exemplos contrafactuais.

Um novo modelo pra avaliar a eficácia dos sistemas de posicionamento baseados em visão.

Melhorias na percepção de LiDAR aumentam o desempenho em ambientes com múltiplos sensores.

Um jeito de gerenciar dados de sensores que se contradizem em veículos autônomos pra aumentar a segurança.

Esse modelo melhora a estimativa de profundidade, sendo eficiente em recursos e fácil de usar.

Um novo método ajuda barcos autônomos a evitar colisões em águas movimentadas.

Novo framework melhora a compreensão de vídeos em condições de pouca luz usando câmeras de eventos.

Analisando como o agrupamento de veículos pode melhorar a segurança e o fluxo do tráfego.

O PLATYPUS melhora a clareza de nuvens de pontos 3D pra uma percepção de máquina melhor.

HeightMapNet melhora o mapeamento para carros autônomos, aumentando a precisão e os detalhes.

Explore como novas tecnologias melhoram a precisão de sistemas autônomos em várias tarefas.

Polar R-CNN inova a detecção de faixas, melhorando a eficiência e o desempenho.

Aprenda como os carros autônomos evitam acidentes usando a Manobra Evasiva de Mínimo Risco.

Descubra como os robôs fazem mapas do que tá ao redor usando técnicas avançadas.

Aprenda como as máquinas estimam profundidade e se adaptam a diferentes ambientes.

Um novo método mistura imagens visíveis e térmicas pra uma melhor estimativa de profundidade.

DSceneKG oferece um recurso incrível pra treinar IA em situações de direção do dia a dia.

ISAC combina sensoriamento e comunicação pra melhorar as capacidades das redes móveis.

A LidaRefer melhora o reconhecimento de objetos externos para veículos autônomos.

Pesquisadores enfrentam os desafios de ensinar carros autônomos por meio de imitação e aprendizado.

Explorando como carros autônomos interagem com veículos dirigidos por humanos para segurança.

Saiba como os cientistas estão treinando carros robôs pra dirigir com segurança fora da estrada.

Uma nova abordagem melhora como os computadores aprendem com a experiência.

O PKF melhora a precisão do rastreamento de objetos em ambientes complexos.

Saiba como o controle sem modelo ajuda as máquinas a funcionarem com o mínimo de informação.

Pesquisadores melhoram o reconhecimento de semáforos para carros autônomos em clima ruim.

Um novo método melhora a confiabilidade e adaptabilidade dos drones durante o voo.

Estudo melhora a compreensão de vídeos com perguntas focadas em movimento e respostas visuais.

Explore como o diagnóstico de falhas mantém os veículos autônomos seguros e eficientes.

Sistemas de IA enfrentam novos riscos de ataques que só rolam na ponta e enganam as previsões.