Präzise Vertikallasten und Aktordynamik als Schlüsselfaktoren für die Reifenkraftverteilung in 4WID-4WIS-Elektrofahrzeugen an den Handlungsgrenzen
Präzise Schätzung der Vertikallast, Berücksichtigung der Aktordynamik, Berechnung des erreichbaren Reifenkraftvolumens und Kompensation der Lenkwinkelabweichungen sind entscheidende Faktoren für eine effektive Reifenkraftverteilung in 4WID-4WIS-Elektrofahrzeugen an den Handlungsgrenzen.
Fahrzeug-Einspurmodellierung mit physikgeleiteten neuronalen Differenzialgleichungen
Durch die Integration eines neuronalen Differenzialgleichungsnetzwerks in die physikalische Struktur eines Fahrzeug-Einspurmodells kann die Modellgenauigkeit im Vergleich zu einem rein physikbasierten Modell deutlich verbessert werden.
Effiziente Verarbeitung und Analyse von Fahrzeuginformationen zur Verbesserung der Dienstleistungsaggregation in vernetzten und autonomen Fahrzeugen
Die Frische der Informationen (Age-of-Information, AoI) spielt eine entscheidende Rolle für die Leistung von Anwendungen in vernetzten und autonomen Fahrzeugen (CAVs). Durch die hohe Mobilität der Fahrzeuge und die begrenzten Abdeckungsbereiche der Sensoren können Informationsupdates jedoch verzögert oder unsequenziert ankommen, was die Leistung von Echtzeitanwendungen beeinträchtigt. Dieser Beitrag präsentiert ein neuartiges, auf AoI-Vorhersage basierendes Verfahren zur Dienstleistungsaggregation in CAVs, das die Latenz und Datensequenzierung im Vergleich zu bestehenden Methoden deutlich verbessert.
Optimale Kraftstoffverbrauchssteuerung von Hybridfahrzeugen: Ein Ansatz des eingeschränkten Reinforcement Learning
Dieser Artikel präsentiert einen Ansatz des eingeschränkten Reinforcement Learning, um den niedrigsten Kraftstoffverbrauch von Hybridfahrzeugen unter Berücksichtigung der Batterie-Ladezustandsbalance zu ermitteln.
DriveDreamer-2: LLM-Verbesserte Weltmodelle für vielfältige Fahrvideo-Generierung
DriveDreamer-2 generiert vielfältige Fahrvideos basierend auf Benutzerbeschreibungen und verbessert die Qualität im Vergleich zu anderen Methoden.
DriveDreamer-2: LLM-Verbesserte Weltmodelle für vielfältige Fahrvideo-Generierung
DriveDreamer-2 generiert vielfältige Fahrvideos basierend auf Benutzerbeschreibungen und verbessert die Qualität im Vergleich zu anderen Methoden.
Effiziente Lokalisierung von Fahraktionen durch dichtegesteuertes Label-Smoothing
Verbesserung der Lokalisierungsleistung von Fahraktionen durch dichtegesteuertes Label-Smoothing.
Ein Erkennungs- und Filterrahmen für kollaborative Lokalisierung
Verbesserung der Lokalisierung von ADAS-Fahrzeugen durch Fusion von Pose-Informationen.
Untersuchung der Kommunikationspräferenzen abgelenkter Fahrer für ADAS
Fahrer haben unterschiedliche Kommunikationspräferenzen basierend auf dem Fahrzustand und der Risikoeinschätzung.
SmartCooper: Verbundene Fahrzeugwahrnehmung mit adaptiver Fusion und Bewertungsmechanismus
SmartCooper ist ein adaptives Framework für kollaborative Wahrnehmung, das die Kommunikation optimiert und einen Bewertungsmechanismus integriert, um die Fusion von Fahrzeugdaten zu erleichtern.
© 2024 by Linnk AI