Artigos mais recentes para Veículos Autônomos

Uma nova abordagem pra prever resultados em sistemas com aleatoriedade usando GNNs.

Um novo método melhora as previsões para uma direção autônoma mais segura em ambientes urbanos.

Um novo método melhora a precisão da segmentação de objetos usando vários tipos de imagem.

Um novo método melhora como os sensores processam dados para uma detecção de objetos melhor.

Uma visão geral dos desafios e defesas contra ataques adversariais em aprendizado profundo.

Um novo sistema permite que carros autônomos naveguem usando só informações visuais.

Pesquisadores usam imagens de drones pra fazer mapas eficientes pra simulações de carros autônomos.

A JetSeg oferece segmentação semântica em tempo real rápida e precisa para dispositivos de baixo consumo.

Novas estratégias melhoram a estabilidade e a segurança em sistemas de controle em várias aplicações.

Combinar 5G com sensores a bordo melhora a precisão na navegação de veículos autônomos.

Um novo método prevê os movimentos de veículos off-road de forma eficiente em condições difíceis.

Usando sinais de rádio pra mapeamento preciso na robótica.

Explorando novos métodos pra melhorar a eficiência e a segurança do aprendizado por reforço offline.

Co-MOT melhora a precisão e eficiência do rastreamento usando técnicas inovadoras.

KARNet mistura aprendizado de máquina e física pra melhorar as previsões de direção autônoma.

Aprenda como sistemas de controle lidam com a tomada de decisão em ambientes imprevisíveis.

Um método auto-supervisionado pra previsão de movimento usando apenas nuvens de pontos não rotuladas.

Analisando o papel das simulações na segurança de veículos autônomos e suas limitações.

Bird's Eye View melhora o reconhecimento visual de lugares pra aumentar a precisão na direção autônoma.

Um novo método melhora a qualidade dos dados LiDAR em condições climáticas ruins.

Um novo método melhora os processos de validação para carros autônomos e robôs.

Um novo sistema de direção para robôs combina aprendizado e tomada de decisão clara.

OVO permite prever de forma flexível a ocupação de objetos em 3D sem precisar de muita rotulagem.

Maskomaly detecta anomalias em imagens sem exemplos anteriores.

PlaNeRF melhora a modelagem 3D a partir de imagens 2D, aprimorando a geometria e a qualidade da imagem.

Novos métodos melhoram a segurança em robótica e veículos autônomos.

GMSF traz uma nova maneira de estimar movimento em 3D.

Esse estudo foca em melhorar a comunicação pra aumentar a segurança no trânsito nos cruzamentos.

TReR melhora o reconhecimento de lugares para veículos autônomos usando dados de LiDAR 3D.

Occ-BEV melhora a percepção do veículo por meio de modelagem 3D com várias câmeras e integração de dados.

Explorando as complexidades de ultrapassagens na direção autônoma.

Um novo método ajuda carros autônomos a se adaptarem a mudanças de clima sem perder as habilidades anteriores.

AGILE3D melhora a segmentação 3D permitindo interação simultânea com os objetos.

Um novo método para identificar classificações erradas em modelos de aprendizado de máquina de forma eficiente.

O dataset RACECAR oferece insights inéditos sobre corridas autônomas com cenários e dados variados.

Esse estudo melhora os veículos autônomos com estratégias de moldagem de recompensas que levam em consideração os riscos.

Esse artigo fala sobre como lidar com inconsistências nas explicações em linguagem natural para IA.

Novo modelo melhora a análise de imagens panorâmicas para aplicações do mundo real.

Um novo método localiza veículos usando lidar e imagens de satélite sem depender de GPS.

Um método que combina CLIP e SAM melhora o reconhecimento de objetos sem precisar de dados rotulados.