Artigos mais recentes para Veículos Autônomos

Este artigo explora como a fusão de sensores melhora a segurança e a eficiência de veículos autônomos.

Este estudo melhora o reconhecimento de sinais de trânsito usando técnicas de imagem aprimoradas.

Um novo método melhora a detecção de sombras separando camadas.

Um novo método melhora a previsão de movimento usando estratégias de aprendizado auto-supervisionado.

O Aprendizado Federado melhora a segurança dos veículos conectados enquanto protege os dados dos usuários.

Uma nova estrutura melhora a precisão de modelos 3D usando nuvens de pontos parciais para carros autônomos.

A VBMO oferece um jeito de planejar caminhos de forma eficiente com vários objetivos.

ELiOT melhora os métodos de odometria LiDAR para uma localização de robôs mais precisa.

DiffSeg oferece um novo jeito de segmentar imagens sem precisar de dados rotulados.

Um novo método prevê o comportamento dos motoristas e melhora a segurança no trânsito misto.

Um método pra segmentar dados de LiDAR sem rótulos manuais usando análise temporal.

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 SPROUT melhora a segurança ao detectar erros de classificação em classificadores de machine learning.

Um estudo sobre como usar IA pra melhorar as corridas sem motorista em competições.

Um novo modelo combina redes neurais e modelos de escolha para previsões de direção mais seguras.

MapPrior melhora a percepção BEV, aumentando a precisão e a segurança para veículos autônomos.

Um novo método combina estimativa de profundidade e segmentação pra melhorar a segurança de veículos autônomos.

Analisando como melhorar a segurança de veículos autônomos medindo a incerteza dos sensores.

Novos métodos melhoram o desempenho de veículos de corrida autônomos.

Este estudo analisa como o rastreamento ocular melhora o desempenho dos Transformers de Visão em tarefas de direção.

Um novo método melhora o controle de tráfego usando princípios descentralizados pra eficiência energética.

A acumulação de dados de radar pode melhorar a detecção de objetos em veículos autônomos.

Esse artigo apresenta uma abordagem inovadora pra melhorar o reconhecimento de sinais de trânsito.

Um novo framework tem como objetivo otimizar as operações de EAV em áreas urbanas.

O SQLdepth melhora a estimativa de profundidade aprendendo com o movimento nas cenas.

O dataset NTU4DRadLM melhora a pesquisa em SLAM ao integrar sensores importantes para ambientes desafiadores.

Um novo método que combina estimativa de profundidade monocular e binocular pra aumentar a precisão.

Novo método melhora a modelagem 3D a partir de imagens 2D enquanto supera desafios de aprendizado.

Um novo método aumenta a confiabilidade das previsões em modelos de aprendizado de máquina.

Uma nova abordagem permite que veículos terrestres não tripulados naveguem em áreas sem GPS.

Um novo método para navegação segura de robôs considerando riscos físicos em ambientes complexos.

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

Aprenda como os robôs melhoram a precisão do mapeamento filtrando dados enganosos.

Uma nova abordagem melhora a precisão do mapeamento rodoviário usando imagens de satélite.

Métodos inovadores melhoram a segurança e a precisão da navegação de veículos autônomos.

Um novo método melhora a privacidade das imagens coletadas por câmeras olho de peixe em carros autônomos.

Analisando os efeitos de dados de sensor corrompidos na localização de carros autônomos.

Novo modelo melhora o reconhecimento de objetos para aumentar a segurança nas estradas.

Um novo método melhora como os carros autônomos reconhecem e lidam com desafios inesperados na estrada.