Zobrazeno 1 - 10
of 59
pro vyhledávání: '"Greitans, Modris"'
Autor:
Teikmanis, Oskars, Levinskis, Aleksandrs, Mackus, Andris Ivars, Rušiņš, Artis, Elkenawy, Amr, Tropa, Marta, Greitans, Modris
Augmenting automated vehicles to wirelessly detect and respond to external events before they are detectable by onboard sensors is crucial for developing context-aware driving strategies. To this end, we present an automated vehicle platform, designe
Externí odkaz:
http://arxiv.org/abs/2308.02176
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Robotic Systems and Applications. 2:15-28
Robots require a certain set of skills to perceive and analyse the environment and act accordingly. For tracked mobile robots getting good odometry data from sensory information is a challenging key prerequisite to perform in an unstructured dynamic
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::79e6f02806816073c6aa9d799ba7125d
https://doi.org/10.21595/rsa.2022.22336
https://doi.org/10.21595/rsa.2022.22336
Autor:
Huang, Zheng-Jie, Patel, Brijesh, Lu, Wei-Hao, Yang, Tz-Yu, Tung, Wei-Cheng, Bučinskas, Vytautas, Greitans, Modris, Wu, Yu-Wei, Lin, Po Ting
Publikováno v:
Scientific Reports; 9/27/2023, Vol. 13 Issue 1, p1-16, 16p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Laizans, Modris, Arents, Janis, Vismanis, Oskars, Bučinskas, Vytautas, Dzedzickis, Andrius, Greitans, Modris
Publikováno v:
Robotic Systems & Applications (RSA); Jun2023, Vol. 3 Issue 1, p47-58, 12p
Autor:
Yen Jung Chen, Wei-Cheng Tung, Wei-Rui Lee, Patel, Brijesh, Bučinskas, Vytautas, Greitans, Modris, Po Ting Lin
Publikováno v:
Robotic Systems & Applications (RSA); Jun2023, Vol. 3 Issue 1, p1-16, 16p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Currently, the best object detection results are achieved by supervised deep learning methods, however, these methods depend on annotated training data. With the synthetic data generation approach, we intend to mimic the real data characteristics and
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______2659::eb6e0e2112f3ace426cc14539911f424
https://zenodo.org/record/7990151
https://zenodo.org/record/7990151