End-to-end architectures
Ver/
Compartir
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemAutor
Navarro Lorente, Pedro Javier; Rosique Contreras, María Francisca; Fernández Andrés, José Carlos; Miller, Leanne RebeccaÁrea de conocimiento
Lenguajes y Sistemas InformáticosFecha de publicación
2023-03Editorial
ElsevierCita bibliográfica
Navarro Lorente, Pedro & Rosique, Francisca & Fernández, Carlos & Miller, Leanne. (2023). End-to-end architectures. Pp. 169-192 10.1016/B978-0-323-98339-6.00009-9. En Decision-Making Techniques for Autonomous Vehicles. Elsevier, 2023. p. 169-192.Palabras clave
Conducción autónomaInteligencia artificial
Deep learning
Arquitecturas end-to end
Resumen
El capítulo se dedica a analizar en profundidad y proporcionar una guía para la aplicación de arquitecturas end-to-end para el desarrollo de sistemas de conducción autónoma. Las novedosas arquitecturas end-to-end usan técnicas de inteligencia artificial (deep learning) para sustituir diferentes sub-sistemas que propone el enfoque tradicional (percepción. localización, cálculo de trayectorias, navegación y control), proporcionando una mayor simplicidad y, lo que resulta más importante, la capacidad de incluir el comportamiento de los conductores humanos en los sistemas automáticos.
Colecciones
- Capítulos de libros [177]
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales