PLAN-S: Planificación con Estilo Latente para Modelos de Conducción Autónoma
PLAN-S reduce un 42% las colisiones con mapas de coste semántico para una conducción autónoma más segura y personalizable.
#conducción autónoma
Evaluación de riesgos: fallos técnicos, ética y marcos regulatorios
Descubre cómo fallos técnicos, dilemas éticos y marcos regulatorios afectan la conducción autónoma. Basado en datos de NHTSA, DMV y Moral Machines.
Drive-KD: Destilación multi-profesor para VLMs en conducción autónoma
Drive-KD destila conocimiento multi-profesor para VLMs en conducción autónoma: menor uso de GPU, mayor throughput y rendimiento superior en planificación.
LongSpace: Memoria espacial de largo plazo – percepción y recuerdo en video
Descubre LongSpace, un framework de memoria espacial para videos largos que mejora la comprensión de rutas y objetos. Ideal para IA en robótica y conducción.
CLEAR: Navegación adaptativa con evaluación latente en conducción autónoma
Descubre CLEAR: planificación ultrarrápida con razonamiento semántico para conducción autónoma. Alcanza PDMS 93.7 en NAVSIM.
RiskFlow: Generación Rápida y Fiel de Escenarios de Tráfico Críticos
Descubre cómo RiskFlow genera escenarios de tráfico críticos con alta fidelidad y rapidez para evaluar la seguridad en autos autónomos.
MapAgent: Marco Agéntico para Mapas de Carriles Urbanos
MapAgent automatiza la generación de mapas de carriles a escala urbana con un marco agéntico. Logra más del 95% de automatización en 360+ ciudades. Descúbrelo.
DVGT: Transformador de Geometría Visual para Conducción Autónoma
Descubre DVGT, un innovador modelo que reconstruye mapas 3D sin parámetros de cámara para conducción autónoma.
StandardE2E: Marco unificado para datasets E2E de conducción autónoma
StandardE2E unifica múltiples datasets E2E, facilitando preprocesamiento y entrenamiento cross-dataset. ¡Optimiza tu investigación!
Incertidumbre post hoc a nivel de instancia en detección de objetos
MC-GLM cuantifica incertidumbre post hoc a nivel de instancia en detección de objetos para conducción autónoma. Sin reentrenamiento, eficiente y paralelizable.
Uber despliega 500 EV personalizados para datos de robotaxi
Uber despliega 500 Hyundai Ioniq 5 personalizados para recopilar datos de robotaxi. Descubre cómo esta flota impulsará la conducción autónoma.
NVIDIA Research: avances en agarre, conducción y entrenamiento de agentes
Descubre cómo NVIDIA Research presenta en CVPR 2026 tres innovadores modelos de IA: agarre cero-shot, razonamiento latente para vehículos y entrenamiento masivo de agentes virtuales.
EvoDrive: Evolución Pareto para conducción autónoma segura con agentes LLM
Descubre EvoDrive, agentes LLM que generan escenarios adversariales realistas para mejorar la seguridad de la conducción autónoma mediante evolución Pareto.
El camino hacia la conducción autónoma: Dataset multimodal KITScenes
Descubre KITScenes, el dataset europeo con sensores de alta fidelidad y mapas HD completos para conducción autónoma. Incluye benchmarks para mapas, profundidad,
FRED: Dataset multimodal para conducción en carreteras inundadas
Descubre FRED: el primer dataset multimodal para vehículos autónomos en carreteras inundadas, con datos de cámara, LiDAR e IMU para detectar riesgos acuáticos.
Percepción autónoma compacta con aprendizaje balanceado y fusión multisensor
Un modelo compacto de percepción autónoma que integra múltiples sensores y aprendizaje balanceado para lograr mayor eficiencia y velocidad de inferencia.
OmniDreams: Modelo Generativo de Mundo para Simulación de Vehículos Autónomos
Descubre cómo OmniDreams, el modelo generativo de NVIDIA, revoluciona la simulación de vehículos autónomos en tiempo real con escenarios de conducción.
Aprendizaje de refuerzo con incertidumbre y asesoría temporal para autónomos
Descubre cómo el aprendizaje por refuerzo con asesoría experta y control de incertidumbre mejora la seguridad en la conducción autónoma. Resultados en CARLA.
MAVEN-T: Predicción Multiagente con Destilación Reforzada
Descubre MAVEN-T, un innovador marco de destilación reforzada que logra predicción de trayectorias multiagente en tiempo real con 6.2x menos parámetros y 3.7x más velocidad en Jetson Orin.
DeepIPCv2: Percepción y control robustos con LiDAR para vehículos autónomos
Descubre cómo DeepIPCv2 usa LiDAR y aprendizaje profundo para percepción ambiental robusta y control preciso, incluso en condiciones de iluminación variables.