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.
#vehículos autónomos
Los objetos más extraños dejados en robotaxis
Desde un beanie baby hasta una dentadura postiza: los objetos más raros olvidados en robotaxis según Uber. Descubre la lista completa.
Reconstrucción de geometría V2I en zonas de obra con filtrado UWB basado en pose
Descubre cómo un método de denoising UWB basado en pose mejora la reconstrucción de geometría de zonas de obra para vehículos autónomos, reduciendo errores en un 66.9%.
Arquitectura 6G-LLM centrada en comunicación para vehículos tácticos autónomos
Descubre cómo una arquitectura 6G-LLM reduce la latencia un 75% y aumenta el éxito de misiones un 68% en redes de vehículos autónomos tácticos.
Perfil dinámico del horizonte de riesgo para predicción de trayectorias
Reduce hasta un 25% el error en predicción de trayectorias con perfil dinámico de horizonte de riesgo. Ideal para conducción autónoma segura.
Mach Industries alcanza valoración de $1.8B, salto de 4x en un año
Mach Industries, liderada por el joven Ethan Thornton, recauda $300M y alcanza una valoración de $1.8B. Desarrolla 5 vehículos autónomos y completa una adquisición.
IA Física: Inferencia Batch-1 de LLMs - Memoria vs Ancho de Banda
Descubre el gap de inferencia en IA física: memoria limitada pero no ancho de banda. CUDA Graphs muestra un overhead oculto en GPUs rápidas como H100.
Detección de Anomalías en Series Temporales con Dinámicas de Consulta Predecible
Descubre AxonAD, detector no supervisado que predice consultas de atención para detectar anomalías en series temporales, mejorando localización y ranking.
Red neuronal profunda de extremo a extremo y multirresolución para optimizar el compromiso entre latencia y precisión en la conducción autónoma.
<meta content=Descubre el equilibrio entre latencia y precisión en conducción autónoma con redes multirresolución. Optimiza el rendimiento de tu sistema de percepción vehicular.>
Aspectos de optimización de redes de vehículos autónomos: desafíos y direcciones futuras
Desafíos y direcciones futuras en la optimización de redes de vehículos autónomos. Claves para mejorar eficiencia y seguridad.
ReasonBreak: Sondeo de vulnerabilidades en modelos de Visión-Lenguaje-Acción habilitados para el razonamiento en la conducción autónoma
Sondeo de vulnerabilidades en modelos VLA con razonamiento para conducción autónoma. Análisis y mejora de seguridad en sistemas de conducción autónoma.
Modelado del comportamiento de evitación de colisiones con peatones específico del tipo de vehículo en interacciones críticas para la seguridad usando aprendizaje por refuerzo profundo Smooth-Mamba
<meta name=description content=Smooth-Mamba: aprendizaje por refuerzo profundo para evitar colisiones con peatones según el tipo de vehículo. Modelo innovador de seguridad.>
Aprendizaje por Refuerzo Consciente de Retardo para la Incorporación en Rampas de Autopista bajo Latencia de Comunicación Estocástica
Aprendizaje por refuerzo consciente del retardo para optimizar la incorporación en rampas de autopista con latencia estocástica. Mejora la eficiencia del tráfico.
Razonar--Imaginar--Actuar: Toma de decisiones en bucle cerrado con modelos del mundo usando LLM para conducción autónoma
Explora cómo los modelos de lenguaje y del mundo integran razonar, imaginar y actuar en un bucle cerrado para la toma de decisiones en conducción autónoma.
¿Cuándo ayuda la guía adaptativa? Destilación privilegiada con conciencia de creencias para la conducción autónoma bajo observabilidad parcial
<meta name=description content=Descubre cómo la guía adaptativa optimiza la conducción autónoma en escenarios de observabilidad parcial, mejorando seguridad y eficiencia.>