:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Coelho, Daniel, Oliveira, Miguel, Santos, Vitor, Lopez, Antonio M.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Robotics Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2406.08421
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Joint Perception and Prediction for Autonomous Driving: A Survey
von: Dal'Col, Lucas, et al.
Veröffentlicht: (2024)

RoboTron-Sim: Improving Real-World Driving via Simulated Hard-Case
von: Xiao, Baihui, et al.
Veröffentlicht: (2025)

Generalizing Motion Planners with Mixture of Experts for Autonomous Driving
von: Sun, Qiao, et al.
Veröffentlicht: (2024)

Conditional Prediction by Simulation for Automated Driving
von: Konstantinidis, Fabian, et al.
Veröffentlicht: (2025)

Autonomous Catheterization with Open-source Simulator and Expert Trajectory
von: Jianu, Tudor, et al.
Veröffentlicht: (2024)

Expert Switching for Robust AAV Landing: A Dual-Detector Framework in Simulation
von: Tasnim, Humaira, et al.
Veröffentlicht: (2025)

SymDrive: Realistic and Controllable Driving Simulator via Symmetric Auto-regressive Online Restoration
von: Liu, Zhiyuan, et al.
Veröffentlicht: (2025)

RealEngine: Simulating Autonomous Driving in Realistic Context
von: Jiang, Junzhe, et al.
Veröffentlicht: (2025)

ReSim: Reliable World Simulation for Autonomous Driving
von: Yang, Jiazhi, et al.
Veröffentlicht: (2025)

GEMINUS: Dual-aware Global and Scene-Adaptive Mixture-of-Experts for End-to-End Autonomous Driving
von: Wan, Chi, et al.
Veröffentlicht: (2025)

An Approach to Systematic Data Acquisition and Data-Driven Simulation for the Safety Testing of Automated Driving Functions
von: Eisemann, Leon, et al.
Veröffentlicht: (2024)

DriveE2E: Closed-Loop Benchmark for End-to-End Autonomous Driving through Real-to-Simulation
von: Yu, Haibao, et al.
Veröffentlicht: (2025)

Pseudo-Expert Regularized Offline RL for End-to-End Autonomous Driving in Photorealistic Closed-Loop Environments
von: Noguchi, Chihiro, et al.
Veröffentlicht: (2025)

POLAR-Sim: Augmenting NASA's POLAR Dataset for Data-Driven Lunar Perception and Rover Simulation
von: Chen, Bo-Hsun, et al.
Veröffentlicht: (2023)

SubjectDrive: Scaling Generative Data in Autonomous Driving via Subject Control
von: Huang, Binyuan, et al.
Veröffentlicht: (2024)

HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving
von: Zhou, Hongyu, et al.
Veröffentlicht: (2024)

HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Toward Efficient and Robust Behavior Models for Multi-Agent Driving Simulation
von: Konstantinidis, Fabian, et al.
Veröffentlicht: (2025)

Scenario Dreamer: Vectorized Latent Diffusion for Generating Driving Simulation Environments
von: Rowe, Luke, et al.
Veröffentlicht: (2025)

SimScale: Learning to Drive via Real-World Simulation at Scale
von: Tian, Haochen, et al.
Veröffentlicht: (2025)

123D: Unifying Multi-Modal Autonomous Driving Data at Scale
von: Dauner, Daniel, et al.
Veröffentlicht: (2026)

AnoVox: A Benchmark for Multimodal Anomaly Detection in Autonomous Driving
von: Bogdoll, Daniel, et al.
Veröffentlicht: (2024)

Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving
von: Xie, Shaoyuan, et al.
Veröffentlicht: (2024)

DriveArena: A Closed-loop Generative Simulation Platform for Autonomous Driving
von: Yang, Xuemeng, et al.
Veröffentlicht: (2024)

VECTOR-Drive: Tightly Coupled Vision-Language and Trajectory Expert Routing for End-to-End Autonomous Driving
von: Zhao, Rui, et al.
Veröffentlicht: (2026)

DriveMoE: Mixture-of-Experts for Vision-Language-Action Model in End-to-End Autonomous Driving
von: Yang, Zhenjie, et al.
Veröffentlicht: (2025)

Data-Centric Visual Development for Self-Driving Labs
von: Liu, Anbang, et al.
Veröffentlicht: (2025)

Mimir: Hierarchical Goal-Driven Diffusion with Uncertainty Propagation for End-to-End Autonomous Driving
von: Xing, Zebin, et al.
Veröffentlicht: (2025)

LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving
von: Nguyen, Long, et al.
Veröffentlicht: (2025)

A Simulator Dataset to Support the Study of Impaired Driving
von: Gideon, John, et al.
Veröffentlicht: (2025)

Data-Centric Evolution in Autonomous Driving: A Comprehensive Survey of Big Data System, Data Mining, and Closed-Loop Technologies
von: Li, Lincan, et al.
Veröffentlicht: (2024)

Unraveling the Effects of Synthetic Data on End-to-End Autonomous Driving
von: Ge, Junhao, et al.
Veröffentlicht: (2025)

DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation
von: Yan, Tianyi, et al.
Veröffentlicht: (2024)

Deep Neural Network Based Roadwork Detection for Autonomous Driving
von: Wullrich, Sebastian, et al.
Veröffentlicht: (2026)

KiGRAS: Kinematic-Driven Generative Model for Realistic Agent Simulation
von: Zhao, Jianbo, et al.
Veröffentlicht: (2024)

Pseudo-Simulation for Autonomous Driving
von: Cao, Wei, et al.
Veröffentlicht: (2025)

Improving 3D Labeling in Self-Driving by Inferring Vehicle Information using Vision Language Models
von: Chen, Steven, et al.
Veröffentlicht: (2026)

Synth It Like KITTI: Synthetic Data Generation for Object Detection in Driving Scenarios
von: Marcus, Richard, et al.
Veröffentlicht: (2025)

HiDrive: A Closed-Loop Benchmark for High-Level Autonomous Driving
von: Xia, Zhongyu, et al.
Veröffentlicht: (2026)

OmniLRS: A Photorealistic Simulator for Lunar Robotics
von: Richard, Antoine, et al.
Veröffentlicht: (2023)