advanced driver-assistance system
PulseAugur coverage of advanced driver-assistance system — every cluster mentioning advanced driver-assistance system across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
混合机器学习模型改进了自动驾驶卡车的关节角估计
研究人员开发了混合机器学习模型，以准确估计卡车半挂车组合的关节角，这是自动驾驶和高级驾驶员辅助系统的关键任务。这些模型通过直接从视觉和运动学输入估计角度，消除了手动初始化、附加传感器或特定于拖车的信号的需求。该混合方法集成在具有自适应加权方案的扩展卡尔曼滤波器框架内，在各种拖车类型和条件下的广泛真实世界实验中展示了鲁棒性和泛化能力。
-
新AI模型通过时空面部分析增强驾驶员监控
研究人员开发了一种新颖的时空架构，称为双循环自编码器（TCA），用于驾驶员监控系统中的面部动作单元（AUs）检测。该新模型通过同时处理空间外观和时间动态来解决诸如光照变化和部分遮挡等挑战。TCA架构包括用于空间和时间分析的耦合自编码器分支，在基准数据集和自然驾驶数据集上，其性能优于现有方法，尤其是在检测与疲劳和打哈欠相关的细微和快速变化的AUs方面。该系统还能够进行实时处理，使其适用于生产级高级驾驶辅助系统（ADAS）。
-
新的贝叶斯PINN增强了ADAS的轮载估算
研究人员开发了DBPnet，一种新颖的贝叶斯物理信息神经网络，旨在改进高级驾驶辅助系统（ADAS）的轮载估算。该方法将阻尼器特性纳入物理感知嵌入模块，并利用悬架连杆级别的模型来捕捉非线性动力学。通过集成贝叶斯推理和物理信息损失函数，DBPnet旨在提高对测量噪声和不确定性的鲁棒性，在模拟和真实世界实验中表现优于基线方法。