Papers with Code 아카이브
Autonomous Driving
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 6
- 평가표
- 4
- 보존된 평가 기록
- 23
Autonomous driving is the task of driving a vehicle 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: 0.5">(Image credit: Exploring the Limitations of Behavior Cloning for Autonomous Driving)</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
GeoISF: 인스턴스 시맨틱 포레스트 기반 지상 LiDAR-위성 이미지 간 대규모 크로스뷰 지리적 위치 추정
결합 임베딩 예측 아키텍처를 통한 제로 레이블 주행 시나리오 복잡도 탐지
A Query-Driven Communication-Efficient Digital Twins Design for Autonomous Driving
Fast and Accurate Outlier-Aware LiDAR Super-Resolution for SLAM Applications
TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction
hia-gat: 고속도로 프레임 단위 교통 충돌 위험 예측을 위한 이종 상호작용 인식 그래프 어텐션 네트워크
로봇공학을 위한 이미지 기반 지오로컬라이제이션: 블랙박스 비전-언어 모델은 아직 준비되었는가?
세밀한 행동 및 차선 제약 기반 궤적 예측 방법
DIVER: 강화 확산이 종단간 자율 주행의 모방 학습 병목을 타파한다
행성 규모 지오로컬라이제이션을 위한 VLM 안내 시각적 장소 인식
QuantV2X: 협력적 인식을 위한 완전 양자화 다중 에이전트 시스템
체화 AI를 위한 월드 모델에 관한 포괄적 서베이
GraphPilot: 언어 기반 자율주행을 위한 그라운딩된 장면 그래프 조건화
Driver-WM: 교통 상황 조건 잠재 세계 모델 기반 운전자 중심 인캡(in-cabin) 동역학 롤아웃
TuringViT: 최첨단 비전 트랜스포머를 모두에게 접근 가능하게
ReWorld: 월드 액션 모델을 위한 더 나은 표현 학습
자동차 인식에서 교차 리그 일반화 이해: 다중 리그 벤치마크와 리그 변동 지표
자동 긴급 제동을 위한 레이더 유도 카메라 검증: 레이더-카메라 융합에서 객체 검출의 재고
DeLux: 신경형태 데이터를 활용한 비디오 교차 모달 국소 아티팩트 복원
CascadeOcc: 계단식 VQ 표현으로 3D Occupancy 월드 모델 재고
MVPruner: 자율주행에서 다중 뷰 비전-언어 모델 가속을 위한 동적 토큰 가지치기
보조 목적 함수를 활용한 1-bit LiDAR 기반 국지화 학습
국지 및 전역 인간 움직임의 장기 예측과 가림 복구
예측을 위한 학습·추론 재검토: Winner-Take-All을 GMM으로 되돌려 연결하기
적응적 보상 형성 및 정책 비율 재가중 전략을 통한 샘플 효율적 전이 강화학습
LAMP: 실행 가능한 궤적 예측을 위한 차선 정렬 움직임 프리미티브
운전자 상태 월드 모델링 기반 위험 인식 선택적 멀티모달 운전자 모니터링
CogAD: 인지 위계 기반 엔드투엔드 자율 주행
UniFlow: 자율주행 차량을 위한 제로샷 LiDAR 씬 플로우
OmniRobotHome: A Multi-Camera Home Platform for Real-Time Human-Robot Interaction
DinoLink: 대역폭 제약 협력형 V2X 지각을 위한 토큰 중심 표현 압축 프레임워크
제안(proposal) 조건 잠재 diffusion 기반 폐루프 교통 시나리오 생성
OctoSense: 다중모달 로봇 지각을 위한 자기지도 학습
Towards Understanding The Calibration Benefits of Sharpness-Aware Minimization
TurboMPC: Fast, Scalable, and Differentiable Model Predictive Control on the GPU
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.