Artigos mais recentes para Veículos Autônomos

Um novo método melhora a precisão da localização de sensores em ambientes complexos.

O NeMO melhora o mapeamento de carros autônomos através de uma análise detalhada de múltiplas imagens.

Novo método melhora a detecção 3D usando apenas dados de câmera 2D.

Um novo método melhora o rastreamento de objetos e a estimativa de velocidade para veículos autônomos.

Este artigo apresenta um método pra melhorar a tomada de decisão de carros autônomos em trânsito misto.

Um novo método melhora o rastreamento de várias pessoas em cenas complexas.

Novos métodos melhoram a performance de corrida de carros autônomos usando deep learning.

Este artigo apresenta um novo método para segmentação semântica eficiente em cenas 3D.

Explorando o potencial das câmeras de evento pra melhorar a detecção de pedestres em veículos autônomos.

Um novo método permite que os karts dirijam sozinhos usando técnicas baseadas em dados.

Analisando as medidas de segurança para veículos autônomos em condições de direção dinâmicas.

Um novo modelo melhora a velocidade e a precisão na detecção de ações em análises de vídeo em tempo real.

P2D melhora a detecção de objetos 3D em carros autônomos usando previsão de movimento.

Estudo analisa como motoristas humanos interagem com veículos autônomos na estrada.

Ground-VIO melhora a estimativa de pose do veículo usando relações câmera-solo.

Explorando fatores de conforto no design de veículos autônomos pra melhorar a experiência do usuário.

Um novo framework melhora a segmentação de nuvens de pontos usando modelos de visão.

Um conjunto de dados completo pra melhorar a compreensão do trânsito em cruzamentos urbanos.

Esse método melhora a percepção 3D para carros autônomos usando dados de câmera.

Um novo método melhora a performance de segmentação de imagem com técnicas inovadoras.

A detecção de anomalias é fundamental pra segurança dos carros autônomos.

Um olhar sobre como a integração de dados de sensores melhora a percepção de veículos autônomos.

Usando Deep Q-Learning pra ensinar carros autônomos a manter a faixa e evitar colisões.

O UncLe-SLAM melhora o mapeamento e o rastreamento ao aprender sobre as incertezas dos sensores.

A FrameFusion melhora a precisão da detecção de objetos 3D em veículos autônomos.

TADIL melhora o aprendizado contínuo pra máquinas que lidam com tarefas de dados que mudam.

Uma nova plataforma avalia o desempenho de aceleradores de aprendizado profundo para veículos autônomos seguros.

O BEVScope melhora a estimativa de profundidade pra entender melhor os ambientes na robótica.

Uma estratégia pra otimizar a rotulagem de dados em tarefas de visão computacional.

O ScenarioNet usa dados de direção reais para melhorar os testes de carros autônomos.

Drones inovadores estão ajudando na detecção e monitoramento de embarcações marítimas.

Descubra como gateways melhoram a comunicação entre robôs para um desempenho melhor.

Um novo método melhora a precisão da previsão de trajetórias sem depender de mapas de alta definição.

Um novo método ajuda robôs a navegar em ambientes desafiadores com segurança.

Abordagens inovadoras melhoram a clareza da imagem removendo a neblina de forma eficaz.

Explorando o papel do radar 4D mmWave na tecnologia de direção autônoma.

Um novo método melhora a compreensão de cenas para veículos autônomos usando consultas de instância.

Uma nova abordagem melhora a compreensão de ambientes 3D para carros autônomos.

Uma olhada nos avanços e desafios dos carros autônomos.

Um método pra verificar se os sistemas seguem os padrões de lógica temporal sem precisar de input manual.