Artigos mais recentes para Veículos Autônomos

Um novo método permite que veículos autônomos sejam controlados sem dados do mundo real.

Explorando medidas de segurança pra lidar com a autoconfiança em sistemas de IA de veículos autônomos.

Um novo método melhora a criação de mapas para carros autônomos.

Uma nova abordagem melhora o desempenho de carros de corrida autônomos usando aprendizado em tempo real.

Uma nova abordagem ajuda as máquinas a aprender e interpretar conceitos visuais de forma eficaz.

Uma nova abordagem pra segmentação de imagem melhora o reconhecimento de objetos em vários setores.

O RAG-Driver aumenta a confiança em carros autônomos com explicações de decisões mais claras.

Um novo método melhora as estimativas de confiança em dados ambíguos.

Um novo método melhora a tomada de decisão na direção autônoma pra um gerenciamento de tráfego melhor.

Um novo método melhora os testes de segurança de carros autônomos em condições reais.

Um novo método melhora a inferência de cenas 3D, apesar dos desafios ambientais.

A pesquisa se concentra em filtros de segurança suaves para melhorar o desempenho de veículos autônomos.

Pesquisas mostram como gestos podem aumentar a segurança para pedestres e carros autônomos.

Descubra como o IRS melhora a comunicação ultra confiável com baixa latência em várias aplicações.

Avanços na tecnologia sem fio com controle flexível de sinal.

Novo modelo ajuda carros autônomos a se mesclarem com segurança no tráfego intenso.

Apresentando o ICP-Flow pra estimativa de fluxo de cena eficiente em veículos autônomos.

Um olhar sobre a plataforma F1TENTH e seu impacto na pesquisa sobre corridas autônomas.

Apresentando o RS-DisRL pra tomar decisões melhores em ambientes incertos.

Explorando técnicas de controle sem modelo em canais de comunicação limitados.

Novos métodos melhoram a confiabilidade das previsões de IA, especialmente em áreas críticas.

Melhorar a habilidade dos VAs de prever o comportamento do motorista aumenta a segurança.

Esse artigo explora o conjunto de dados TUMTraf-V2X e seu impacto na segurança de carros autônomos.

Novo framework melhora o reconhecimento de objetos em ambientes complexos para veículos autônomos.

Modelos de mundo ajudam os carros autônomos a prever eventos na estrada pra segurança.

Esse artigo fala sobre o desenvolvimento e os benefícios dos sistemas DFRC.

Um novo método quer melhorar a segurança em robôs móveis lidando com incertezas.

Examinando como os pedestres reagem a veículos automatizados em ambientes compartilhados.

Um novo método melhora como os robôs prevêem o comportamento humano e aumentam a segurança.

Modelos de IA melhoram a compreensão das cenas de direção para uma navegação mais segura.

Analisando o papel dos eHMIs em aumentar a segurança para pedestres e veículos autônomos.

Apresentando um novo modelo pra prever melhor o movimento dos veículos no trânsito.

Um novo método melhora a coordenação de veículos subaquáticos não tripulados em correntes dinâmicas.

LeOCLR melhora o aprendizado contrastivo usando imagens originais pra uma compreensão melhor.

Esse artigo fala sobre o desenvolvimento de sistemas inteligentes para caminhões autônomos.

Esse estudo explora como projeções podem melhorar a segurança dos pedestres em torno de veículos autônomos.

O algoritmo SynPF mostra potencial pra localização confiável de veículos em condições de corrida desafiadoras.

Novas técnicas melhoram a segurança dos testes para carros autônomos.

Essa pesquisa avalia o uso de LLMs pra cenários realistas de carros autônomos.

Um novo método separa elementos em movimento e estáticos em ambientes urbanos.