Diffusionsbasiertes Entscheidungsmodell für autonome Fahrzeuge mit Lagrange-basierter Sicherheitsverbesserung
Das DDM-Lag-Modell nutzt einen diffusionsbasierten Ansatz zur Entscheidungsfindung in autonomen Fahrzeugen und integriert zusätzliche Sicherheitsanforderungen durch Lagrange-Optimierung, um die Sicherheit und Leistungsfähigkeit des Entscheidungssystems zu verbessern.
Verifierbares Kollisionsvermeidungssystem für autonome Fahrzeuge bei Hinderniserkennungsfehlern
Das Perception Simplex-System bietet deterministischen Schutz gegen Fehler bei der Hinderniserkennung, indem es verifizierbare Algorithmen zur Erkennung von Hindernissen und Auslösung von Korrekturmaßnahmen verwendet.
Zuverlässige Paketnachverfolgung in herausfordernden Bergstraßen-, Tunnel- und Brückenumgebungen durch autonome Fahrzeugnetzwerke
Opportunistische DTN-Protokolle sind eine machbare Lösung für Lkw, um in herausfordernden Umgebungen eine stabile Kommunikation aufrechtzuerhalten, und die Knoten erreichen extrem hohe Nachrichtenübermittlungsraten und durchschnittliche Verzögerungen, die die Kommunikation aufrechterhalten können.
Digitale Zwillinge zur Unterstützung der KI-Forschung in autonomen Fahrzeugnetzwerken
Digitale Zwillinge bieten eine leistungsfähige Entwicklungsumgebung, um KI-Techniken für die Optimierung von Fahrzeugtrajektorien und Netzwerkkonfigurationen in autonomen Fahrzeugnetzwerken zu entwerfen, einzusetzen und zu testen.
Sicheres autonomes Fahren: Navigieren in der Zukunft autonomer Fahrzeuge
Dieser Beitrag untersucht menschenähnliche Strategien für die Entwicklung autonomer Fahrzeuge und befasst sich mit dem Potenzial der Integration eines dynamischen Risikomanagements in verhaltensbasierte Systeme, um die oben genannten Herausforderungen zu überwinden.
Präzise Erkennung und Verfolgung bewegter Objekte für autonome Fahrzeuge mittels optischer Flussmethode
Eine effiziente und genaue Methode zur Erkennung und Verfolgung bewegter Objekte in der Umgebung autonomer Fahrzeuge, die auf der Berechnung des optischen Flusses basiert.
Modell zur Einschätzung des wahrgenommenen Risikos für AV-Insassen bei Einfädelmanövern mit empirischer Bewertung
Ein neuartiges Modell zur Einschätzung des AV-Insassen-Risikos (AVOR) wurde entwickelt, um das wahrgenommene Risiko bei Einfädelmanövern genauer zu erfassen. Eine empirische Studie mit 18 Teilnehmern zeigte, dass das AVOR-Modell eine signifikante Verbesserung bei der Schätzung des wahrgenommenen Risikos in den frühen Phasen von Einfädelmanövern, insbesondere bei Hochrisikoszenarien, liefert.
Digitaler Zwilling zur Steuerung der autonomen Bodenfahrzeugnavigation durch Wahrnehmungsanalyse
Ein digitaler Zwilling, der die Steuerung und Planung des UGV-Navigationssystems steuert. Eine neuartige Wahrnehmungsmethode, die die Gazebo-Umgebung des virtuellen Zwillings basierend auf dem Zustand der physischen Umgebung erstellt. Ein Modell, das das Online-Neutraining des TD3-Netzwerkmodells ermöglicht.
© 2024 by Linnk AI