This spring april 2016, six convoys of automated trucks participating in the 2016 European Truck Platooning Challenge left Finland, Sweden, Denmark, Germany, Belgium and the Netherlands. All were headed for Maasvlakte II in the Port of Rotterdam, Europe’s biggest port.
Bibliotheek
Er zijn 744 resultaten gevonden. 441 - 450 van 744
In deze bibliotheek vind u producten, documenten, presentaties, rapporten en artikelen die relevant zijn voor de ontwikkeling van smart Mobility oplossingen. Voorbeelden van producten: richtlijnen, handreikingen, normen, architecturen, standaarden en afsprakensets, methodes/ bewezen werkwijzen, lessons learned, overzichten van relevante publicaties, gezamenlijke standpunten (positionpapers, fiches), notities met gedragen adviezen over vervolgaanpak, bereikte overeenstemming of een gedragen analyse, vertaling naar wet- en regelgeving, aanbestedingen. Daarnaast vindt u relevante informatie zoals presentaties en rapporten van afgeronde en lopende projecten en internationale artikelen mbt de thema’s waar de community S&P aan werkt.
De zelfsturende auto is in opmars, maar welke? Gaat het om een zelfstandige robotauto of coöperatieve auto? De overheid zet al jaren in op coöperatieve auto’s. Omdat ze treintje kunnen rijden, verwacht men dat de coöperatieve auto bijdraagt aan doorstroming, milieubesparing en veiligheid. Recent wint de robotauto aan terrein in het Nederlandse beleid.
If motor vehicles are to be truly autonomous and able to operate responsibly on our roads, they will need to replicate—or do better than—the human decision-making process. But some decisions are more than just a mechanical application of traffic laws and plotting a safe path.
Autonomous control sy5tems are designed to perfonn ne11 under significant uncertainties in the system and environment for extended periods of time, and they must be able to compensate for significant system failures without external intervention. Intelligent autonomous control systems use techniques from the field of artificial intelligence (AI) to achieve this autonomy.
We present a method for identifying drivable surfaces in difficult unpaved and offroad terrain conditions as encountered in the DARPA Grand Challenge robot race. Instead of relying on a static, pre-computed road appearance model, this method adjusts its model to changing environments.