Cet article présente CARVE et CARVE-Q, des architectures pour la réparation interactive certifiée de manœuvres de conduite refusées. Il se concentre sur la garantie que les réparations respectent les règles et les responsabilités, abordant le goulot d'étranglement algorithmique de la réparation multi-propriétaires avec une solution proposée quantique.
Cette recherche introduit un Transformeur Temporel-Canal conçu pour la détection d'objets vidéo basée sur le Lidar 3D. Il vise à améliorer les capacités de perception des systèmes de conduite autonome en traitant des données Lidar séquentielles.
Este trabalho propõe um framework generativo para sintetizar veículos 3D Gaussianos animáveis a partir de uma única imagem ou entradas multi-view esparsas. Ele visa superar as limitações dos modelos de veículos rígidos atuais em simulações de direção autônoma, introduzindo um módulo de refinamento para articulação de partes.
Ce contenu se concentre sur l'application de l'apprentissage par renforcement profond de bout en bout pour le développement de systèmes d'assistance au maintien de voie. La recherche explore l'utilisation de l'IA avancée pour améliorer la sécurité et l'autonomie des véhicules.
Ce guide complet explore le passage de la conduite autonome modulaire à celle de bout en bout, comparant différentes architectures comme Tesla FSD V12 et Waymo. Il détaille les avantages et inconvénients de chaque approche, y compris les solutions hybrides et les grands modèles multimodaux.
Cette analyse approfondie de Tesla Inc. met en lumière son évolution d'un fabricant de véhicules électriques à un conglomérat mondial axé sur l'énergie durable, l'IA et la robotique. Le récit stratégique de l'entreprise s'est fortement orienté vers la mobilité autonome et l'infrastructure d'IA, en plus de sa division automobile principale.
Cet article propose un cadre sensible à l'incertitude pour l'apprentissage par renforcement dans la conduite autonome, utilisant les conseils d'experts pour guider l'exploration en toute sécurité tout en évitant la dépendance à long terme. Il utilise des seuils adaptatifs pour le déclenchement des conseils et une stratégie de 'commitment-cooldown' pour réguler le guidage, démontrant des performances améliorées dans les simulations CARLA.
L'adoption par Pony.ai de la plateforme NVIDIA DRIVE Hyperion pour sa prochaine génération de conduite autonome marque un tournant vers des écosystèmes matériels hautement intégrés et spécialisés. Cette décision stratégique souligne l'importance d'optimiser pour des piles puissantes et établies, offrant une approche pragmatique avec des avantages significatifs en validation et intégration.