Papers with Code 아카이브
Autonomous Vehicles
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 15
- 평가표
- 1
- 보존된 평가 기록
- 2
Autonomous vehicles is the task of making a vehicle that can guide itself without human conduction.
Many of the state-of-the-art results can be found at more general task pages such as 3D Object Detection and Semantic Segmentation.
<span style="color:grey; opacity: 0.6">( Image credit: GSNet: Joint Vehicle Pose and Shape Reconstruction with Geometrical and Scene-aware Supervision )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
StressDream: 강건한 정책 평가 및 개선을 위한 비디오 월드 모델 유도
IoT 기반 교차로를 위한 강화학습 기반 교통 신호 제어
PC-Diffuser: 확산 기반 궤적 플래너를 위한 경로 일관적 캡슐 CBF 안전 필터링
어노테이션 보존 확산 증강을 활용한 지능형 차량의 야간 보행자 검출 시 조도 유발 도메인 전이 완화
로봇 시스템용 블랙박스 안전 강화학습 제어기에 대한 시연 기반 관측 공격
로마에 가면 로마법을 따르라: 이종 에이전트로부터 보편적 행동 학습하기
OpenBox: 3차원에서 임의의 경계 상자 어노테이션 생성하기
FRUC: 보정되지 않은 협력 주행 시점 기반 피드포워드 동적 장면 재구성
PatchScene: 대규모 장면 완성을 위한 패치 기반 복셀 확산 모델
도메인 변화 환경에서 보행자 검출을 위한 신뢰도 통제 기반 설명가능 인공지능(XAI) 감사
파편에서 글로벌 맵으로: 대규모 언어 모델을 활용한 벡터화 지도 통합 학습
SymRegFlow: 비디오 월드 모델을 위한 대칭 정규화 플로우 매칭
TerrainForge: 반사실적 자율주행을 위한 물리 기반 도로 기하학 편집
마르코프 동역학 강제자: 학습된 동역학 다양체 상에서 실행 가능성을 보존하는 보정
계획하면서 설명하는 법 학습하기: 자율주행을 위한 규칙 정렬 디퓨전 플래닝
추론이 행동에 도움이 되는 순간: 비전-언어-행동 정책에서 사고의 연쇄 모니터링 및 조향
자율주행 적용을 위한 상호작용 정책의 빠른 적응을 목표로 하는 메타 다중 에이전트 강화학습
자율주행을 위한 신뢰할 수 있는 비전-언어 모델을 향하여
자율주행을 위한 생성형 시나리오 모델의 물리적 일관성 및 타당성 평가
빔포밍 이전 안테나별 거리-도플러 레이더 측정값으로부터 공간 구조 학습에 관한 연구
DyRAD: 동적 주행 장면을 위한 레이더 신규 시점 합성
EgoRefine: 비동기 협력 인지를 위한 자차 기준 예측 정렬 및 궤적 조건부 신뢰도 인지 융합
Lang3DSeg: 포인트 트랜스포머 기반의 주석 없는 오픈 보캐블러리 3D 분할
CtrlWAM: 의도와 예측이 정렬된 제어 가능한 월드 액션 모델(World Action Model)
비디오 생성에서 동적 피사체 집합에 대한 피사체 일관성을 향하여
FedCKA: 다양한 주행 도메인 전반의 연합 3D 인지를 위한 표현 유도 층 개인화
FFBL-Coop: 연관 분리형 협력형 3D 다중 객체 추적
MapLightning: 1D 맵 토큰을 활용한 온라인 벡터화 고정밀 지도(HD Map) 구축
로드뷰 날씨 인식을 위한 날씨 인지 도메인 적응
언어는 줄이고 잠재 표현은 늘리다: 주행을 위한 어노테이션 효율적 VLA
SMDDFNet: 교통 표지판 검출을 위한 상태 공간 모델링 및 동적 이중 융합 네트워크
ForeDrive: 계획 관련 잠재 월드 모델을 활용한 예측 유도형 엔드투엔드 자율주행
시계를 굽히다: 이벤트 기반 객체 검출에서 지연을 이기 위한 선행 예측
PEARL: 실시간·익명·이종 협력 인식을 위한 경량 프롬프트 기반 특징 해석기 프레임워크
날씨-콘텐츠 결합 해소: 올인원 적외선 복원을 위한 유형-심각도 가이드 점진적 분리
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.