Artigos mais recentes para Veículos Autônomos

Uma comunicação clara cria confiança em veículos autônomos para todos os usuários da estrada.

Uma nova estrutura melhora a consciência dos veículos através de dados compartilhados e priorização.

Um novo método melhora a eficiência do aprendizado por imitação usando boosting.

Aprenda a classificar objetos usando imagens e nuvens de pontos 3D sem rótulos.

Um novo método melhora o movimento dos robôs com insights sobre o comportamento humano.

Um novo método melhora a confiabilidade das previsões de redes neurais em tarefas de regressão.

Um novo framework melhora a detecção de objetos para itens conhecidos e desconhecidos.

Entender a comunicação é essencial pra confiar em carros autônomos.

O SLAIM melhora o rastreamento e mapeamento em tempo real usando redes neurais avançadas e informações de profundidade.

Um jeito rápido de criar modelos 3D a partir de apenas seis fotos, perfeito pra veículos.

Uma nova abordagem pra melhorar o rastreamento de múltiplos objetos usando dados 3D.

As redes ISAC estão mudando o panorama da conectividade sem fio e das capacidades de sensoriamento.

Uma visão geral das aplicações de NeRF que estão transformando a tecnologia de carros autônomos.

Um novo método melhora o posicionamento de veículos usando 5G e sensores a bordo.

Um novo método melhora a confiabilidade do modelo ao aprimorar a detecção de OOD.

A medição de canal melhora os sistemas sem fio através de uma medição de sinal eficaz.

Explorando novas maneiras de melhorar a representação da incerteza em deep learning.

Aprimorando estratégias de controle pra sistemas enquanto evita obstáculos.

Melhorando o rastreamento de localização com métodos inovadores de tecnologia quântica.

Uma nova abordagem para análise de segurança usando funções de barreira estocásticas por partes.

Estamos juntando dados de câmera e radar para melhorar a detecção de objetos em veículos autônomos.

Apresentando uma plataforma de pesquisa flexível para inovação em direção automatizada.

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

Robôs podem melhorar a navegação classificando diferentes terrenos em ambientes desafiadores.

Avaliando técnicas de tradução de imagem nos testes de carros autônomos.

Novos métodos aumentam a segurança medindo a confiança nas decisões de veículos autônomos.

Apresentando uma nova estrutura para animações realistas de pedestres no treinamento de veículos autônomos.

Esse método melhora a segurança dos carros autônomos com técnicas de detecção aprimoradas.

Um novo sistema prevê as ações de pedestres e motoristas, melhorando a segurança nas estradas.

A pesquisa foca em como os veículos autônomos podem igualar o estilo de dirigir dos humanos pra deixar a galera mais confortável.

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

Resolvendo problemas de comunicação pra um pelotão de veículos mais seguro e eficiente.

Um método pra treinar agentes a seguir regras enquanto maximizam recompensas.

O aprendizado federado enfrenta novos ataques de envenenamento, ameaçando a segurança na tecnologia de carros autônomos.

Um novo método melhora a segurança em acessibilidade de alta dimensão para veículos autônomos.

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

Novo modelo de IA melhora a compreensão de imagens em três dimensões.

PAFOT melhora os testes de segurança para carros autônomos através de técnicas de simulação avançadas.

Uma nova forma de avaliar como os motoristas se comunicam e interagem na estrada.

A DriveWorld melhora a tecnologia de direção autônoma analisando dados espaciais e temporais.