id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
17,607
2026-02-24T13:56:44.436000Z
2026-02-24T13:56:44.436000Z
Lec.
В отличие от ACC, который использует только бортовые сенсоры для поддержания безопасной дистанции до впереди идущего транспортного средства, CACC использует V2V коммуникацию [35] для получения информации о скорости, ускорении и торможении непосредственно от лидера каравана или других впереди идущих CACC-оборудованных автомобилей
false
true
false
17,606
2026-02-24T13:56:41.541000Z
2026-02-24T13:56:41.541000Z
Lec.
Совместный адаптивный круиз-контроль (далее - CACC (Cooperative Adaptive Cruise Control)) является эволюцией традиционного адаптивного круиз-контроля (далее - ACC (Adaptive Cruise Control))
false
true
false
17,605
2026-02-24T13:56:38.655000Z
2026-02-24T13:56:38.655000Z
Lec.
Оптимизация трафика на уровне дорожной сети с использованием V2X
false
true
false
17,604
2026-02-24T13:56:36.170000Z
2026-02-24T13:56:36.170000Z
Lec.
Совместное изменение полосы движения;. 5
false
true
false
17,603
2026-02-24T13:56:33.600000Z
2026-02-24T13:56:33.600000Z
Lec.
Совместное слияние потоков;. 4
false
true
false
17,602
2026-02-24T13:56:30.961000Z
2026-02-24T13:56:30.961000Z
Lec.
Совместный адаптивный круиз-контроль и формирование колонны;. 2.Совместное управление на перекрестках;. 3
false
false
false
17,601
2026-02-24T13:56:27.962000Z
2026-02-24T13:56:27.962000Z
Lec.
Основные категории подходов к CDA:. 1
false
true
false
17,600
2026-02-24T13:56:25.116000Z
2026-02-24T13:56:25.116000Z
Lec.
Данный раздел фокусируется на том, как группа AV может координировать свои действия для оптимизации потока трафика, повышения безопасности и эффективности на уровне, выходящем за рамки индивидуального управления каждым автомобилем
false
true
false
17,599
2026-02-24T13:56:22.356000Z
2026-02-24T13:56:22.356000Z
Lec.
Вероятно, наиболее перспективным направлением является разработка гибридных подходов, которые смогут динамически адаптировать уровень обмена данными в зависимости от конкретной ситуации и потребностей, комбинируя преимущества различных уровней для достижения оптимального баланса между эффективностью и практичностью
false
true
false
17,598
2026-02-24T13:56:19.316000Z
2026-02-24T13:56:19.316000Z
Lec.
Таким образом, выбор оптимального уровня обмена данными представляет собой задачу многокритериальной оптимизации, требующую сбалансированного учета между полным и точным представлением об окружающей среде и необходимостью эффективно использовать доступные коммуникационные и вычислительные ресурсы, а также учитывать вопросы конфиденциальности и сложности реализации
false
true
false
17,597
2026-02-24T13:56:16.553000Z
2026-02-24T13:56:16.553000Z
Lec.
Наконец, обмен планами является наиболее абстрактным уровнем, характеризующимся очень низкими требованиями к ресурсам и высокой конфиденциальностью, но при этом сопряжен с высокой степенью потери детализации и зависимостью от точности прогнозирования намерений
false
true
false
17,596
2026-02-24T13:56:13.695000Z
2026-02-24T13:56:13.695000Z
Lec.
Обмен результатами обнаружения объектов представляет собой оптимальный компромисс с низкими требованиями к пропускной способности и простотой слияния, однако при этом теряется контекстная информация, а эффективность напрямую зависит от возможностей локального обнаружения объектов каждым участником
false
true
false
17,595
2026-02-24T13:56:11.052000Z
2026-02-24T13:56:11.053000Z
Lec.
Переход к обмену обработанными признаками снижает эти требования, но влечет за собой частичную потерю информации на этапе предварительной обработки и зависимость от качества алгоритмов извлечения признаков
false
true
false
17,594
2026-02-24T13:56:08.058000Z
2026-02-24T13:56:08.058000Z
Lec.
Передача необработанных сенсорных данных, хоть и обеспечивает наибольшую детализацию представления об окружающей среде, характеризуется экстремально высокими требованиями к пропускной способности сети и вычислительной мощности для обработки, а также усложняет задачи калибровки и обеспечения конфиденциальности
false
true
false
17,593
2026-02-24T13:56:05.130000Z
2026-02-24T13:56:05.130000Z
Lec.
Анализ уровней обмена данными в совместном восприятии для подключенного беспилотного транспорта выявляет фундаментальный компромисс между объемом передаваемой информации и требованиями к ресурсам системы
false
true
false
17,592
2026-02-24T13:56:02.517000Z
2026-02-24T13:56:02.517000Z
Lec.
Будущие системы координации движения, особенно на перекрестках и в плотном трафике
false
true
false
17,591
2026-02-24T13:55:59.697000Z
2026-02-24T13:55:59.697000Z
Lec.
Наиболее распространено на текущий момент, особенно для систем предотвращения столкновений
false
true
false
17,590
2026-02-24T13:55:56.930000Z
2026-02-24T13:55:56.930000Z
Lec.
Сценарии с ограниченной пропускной способностью, где важен баланс точности и ресурсоемкости
false
true
false
17,589
2026-02-24T13:55:54.466000Z
2026-02-24T13:55:54.466000Z
Lec.
Сценарии, где критична высокая точность и есть высокоскоростная связь
false
true
false
17,588
2026-02-24T13:55:51.347000Z
2026-02-24T13:55:51.347000Z
Lec.
Применимость
false
true
false
17,587
2026-02-24T13:55:48.108000Z
2026-02-24T13:55:48.109000Z
Lec.
Низкий (зависит от способности предсказывать намерения в сложных ситуациях)
false
true
false
17,586
2026-02-24T13:55:45.523000Z
2026-02-24T13:55:45.523000Z
Lec.
Низкий (если объект не был обнаружен локально, он не будет передан)
false
true
false
17,585
2026-02-24T13:55:43.200000Z
2026-02-24T13:55:43.200000Z
Lec.
Средний (зависит от того, были ли признаки из скрытой области извлечены локально)
false
true
false
17,584
2026-02-24T13:55:40.648000Z
2026-02-24T13:55:40.648000Z
Lec.
Потенциал для обнаружения скрытых объектов
false
true
false
17,583
2026-02-24T13:55:36.974000Z
2026-02-24T13:55:36.974000Z
Lec.
Средняя (сложность точного прогнозирования)
false
true
false
17,582
2026-02-24T13:55:33.731000Z
2026-02-24T13:55:33.731000Z
Lec.
Сложность реализации
false
false
false
17,581
2026-02-24T13:55:30.917000Z
2026-02-24T13:55:30.917000Z
Lec.
Очень высокая (передаются только намерения и планы)
false
true
false
17,580
2026-02-24T13:55:28.477000Z
2026-02-24T13:55:28.477000Z
Lec.
Высокая (передается только информация об обнаруженных объектах)
false
true
false
17,579
2026-02-24T13:55:25.587000Z
2026-02-24T13:55:25.587000Z
Lec.
Средняя (раскрываются некоторые характеристики)
false
true
false
17,578
2026-02-24T13:55:22.735000Z
2026-02-24T13:55:22.735000Z
Lec.
Низкая (передаются полные сенсорные данные)
false
true
false
17,577
2026-02-24T13:55:20.259000Z
2026-02-24T13:55:20.259000Z
Lec.
Высокая (обмен высокоуровневой информацией)
false
true
false
17,576
2026-02-24T13:55:17.811000Z
2026-02-24T13:55:17.811000Z
Lec.
Высокая (обмен абстрактными объектами)
false
true
false
17,575
2026-02-24T13:55:15.374000Z
2026-02-24T13:55:15.374000Z
Lec.
Средняя (признаки могут быть более универсальными)
false
true
false
17,574
2026-02-24T13:55:12.593000Z
2026-02-24T13:55:12.593000Z
Lec.
Низкая (требуются алгоритмы для слияния разнородных данных)
false
true
false
17,573
2026-02-24T13:55:09.336000Z
2026-02-24T13:55:09.336000Z
Lec.
Робастность к различным типам сенсоров
false
true
false
17,572
2026-02-24T13:55:07.049000Z
2026-02-24T13:55:07.049000Z
Lec.
Низкая (ограничена точностью прогнозирования намерений)
false
true
false
17,571
2026-02-24T13:55:03.340000Z
2026-02-24T13:55:03.340000Z
Lec.
Ниже средней (зависит от качества локального обнаружения)
false
true
false
17,570
2026-02-24T13:55:00.515000Z
2026-02-24T13:55:00.515000Z
Lec.
Средняя (ограничена качеством извлеченных признаков)
false
true
false
17,569
2026-02-24T13:54:57.196000Z
2026-02-24T13:54:57.196000Z
Lec.
Высокая (возможность извлечения новых признаков после слияния)
false
true
false
17,568
2026-02-24T13:54:54.770000Z
2026-02-24T13:54:54.770000Z
Lec.
Потенциальная точность объединенного восприятия
false
true
false
17,567
2026-02-24T13:54:52.337000Z
2026-02-24T13:54:52.337000Z
Lec.
Очень высокая (абстракция до намерений)
false
true
false
17,566
2026-02-24T13:54:49.932000Z
2026-02-24T13:54:49.932000Z
Lec.
Значительная (теряется контекст необнаруженных областей)
false
true
false
17,565
2026-02-24T13:54:46.340000Z
2026-02-24T13:54:46.340000Z
Lec.
Частичная (на этапе извлечения признаков)
false
true
false
17,564
2026-02-24T13:54:43.162000Z
2026-02-24T13:54:43.162000Z
Lec.
Минимальная (сохраняется максимум деталей)
false
true
false
17,563
2026-02-24T13:54:40.393000Z
2026-02-24T13:54:40.393000Z
Lec.
Потеря информации
false
true
false
17,562
2026-02-24T13:54:37.673000Z
2026-02-24T13:54:37.673000Z
Lec.
Низкая (обмен высокоуровневой информацией)
false
true
false
17,561
2026-02-24T13:54:34.257000Z
2026-02-24T13:54:34.257000Z
Lec.
Низкая (обмен абстрактными объектами)
false
true
false
17,560
2026-02-24T13:54:31.513000Z
2026-02-24T13:54:31.513000Z
Lec.
Средняя (зависит от типа признаков)
false
true
false
17,559
2026-02-24T13:54:28.917000Z
2026-02-24T13:54:28.917000Z
Lec.
Высокая (между разными сенсорами разных AV)
false
true
false
17,558
2026-02-24T13:54:26.166000Z
2026-02-24T13:54:26.166000Z
Lec.
Сложность калибровки и синхронизации
false
true
false
17,557
2026-02-24T13:54:23.791000Z
2026-02-24T13:54:23.791000Z
Lec.
Низкие (на этапе слияния)
false
true
false
17,556
2026-02-24T13:54:21.509000Z
2026-02-24T13:54:21.509000Z
Lec.
Средние (на этапе слияния)
false
true
false
17,555
2026-02-24T13:54:18.700000Z
2026-02-24T13:54:18.700000Z
Lec.
Высокие (особенно на этапе слияния)
false
true
false
17,554
2026-02-24T13:54:16.289000Z
2026-02-24T13:54:16.289000Z
Lec.
Требования к вычислительным ресурсам (на обработку)
false
true
false
17,553
2026-02-24T13:54:12.625000Z
2026-02-24T13:54:12.625000Z
Lec.
Очень низкие
false
true
false
17,552
2026-02-24T13:54:10.077000Z
2026-02-24T13:54:10.077000Z
Lec.
Очень высокие
false
true
false
17,551
2026-02-24T13:54:07.644000Z
2026-02-24T13:54:07.644000Z
Lec.
Требования к пропускной способности сети
false
true
false
17,550
2026-02-24T13:54:05.232000Z
2026-02-24T13:54:05.232000Z
Lec.
Очень низкий
false
true
false
17,549
2026-02-24T13:54:02.586000Z
2026-02-24T13:54:02.586000Z
Lec.
Очень высокий
false
true
false
17,548
2026-02-24T13:54:00.155000Z
2026-02-24T13:54:00.155000Z
Lec.
Обмен необработанными данными
false
true
false
17,547
2026-02-24T13:53:57.383000Z
2026-02-24T13:53:57.383000Z
Lec.
Intent and Plan Sharing
false
true
false
17,546
2026-02-24T13:53:54.927000Z
2026-02-24T13:53:54.927000Z
Lec.
Object Sharing
false
true
false
17,545
2026-02-24T13:53:52.191000Z
2026-02-24T13:53:52.191000Z
Lec.
Feature Sharing
false
true
false
17,544
2026-02-24T13:53:49.607000Z
2026-02-24T13:53:49.607000Z
Lec.
Raw Data Sharing
false
true
false
17,543
2026-02-24T13:53:47.028000Z
2026-02-24T13:53:47.028000Z
Lec.
Характеристика
false
false
false
17,542
2026-02-24T13:53:44.189000Z
2026-02-24T13:53:44.189000Z
Lec.
Выполним сравнительный анализ рассмотренных уровней обмена данными применительно к совместному восприятию в системах подключенного автономного транспорта, выделив ключевые параметры и компромиссные соотношения
false
true
false
17,541
2026-02-24T13:53:40.850000Z
2026-02-24T13:53:40.850000Z
Lec.
Примеры: совместное планирование маневров для смешанного движения на сигнализируемых перекрестках [62]
false
true
false
17,540
2026-02-24T13:53:38.068000Z
2026-02-24T13:53:38.068000Z
Lec.
Недостатки: Трудность точного и надежного прогнозирования поведенческих намерений, особенно в нестандартных сценариях с участием человека
false
true
false
17,539
2026-02-24T13:53:35.281000Z
2026-02-24T13:53:35.281000Z
Lec.
Преимущества: позволяет предвидеть поведение других участников движения, улучшает координацию маневров, повышает безопасность и эффективность движения, особенно на перекрестках и в плотном трафике
false
true
false
17,538
2026-02-24T13:53:32.490000Z
2026-02-24T13:53:32.490000Z
Lec.
Транспортные средства обмениваются информацией о своих предполагаемых действиях [34] (например, поворот, смена полосы движения, остановка) и планах движения (например, траектория, целевая скорость)
false
true
false
17,537
2026-02-24T13:53:29.412000Z
2026-02-24T13:53:29.412000Z
Lec.
Примеры: Протоколы обмена информацией об объектах SAE J2735 DSRC [61]
false
true
false
17,536
2026-02-24T13:53:26.526000Z
2026-02-24T13:53:26.526000Z
Lec.
Сложность обработки частично перекрывающихся объектов, обнаруженных разными участниками
false
true
false
17,535
2026-02-24T13:53:23.156000Z
2026-02-24T13:53:23.156000Z
Lec.
Недостатки: потеря информации об окружении, где объекты не были обнаружены отдельными транспортными средствами (например, из-за перекрытия прямой видимости)
false
true
false
17,534
2026-02-24T13:53:20.268000Z
2026-02-24T13:53:20.268000Z
Lec.
Слияние объектов с разных точек зрения простое (например, объединение списков объектов, уточнение оценок положения и скорости с использованием фильтров)
false
true
false
17,533
2026-02-24T13:53:17.740000Z
2026-02-24T13:53:17.740000Z
Lec.
Преимущества: наиболее низкие требования к пропускной способности канала связи
false
true
false
17,532
2026-02-24T13:53:14.919000Z
2026-02-24T13:53:14.919000Z
Lec.
Транспортные средства обмениваются списками обнаруженных объектов с их атрибутами (положение, скорость, класс и т.д.)
false
true
false
17,531
2026-02-24T13:53:12.241000Z
2026-02-24T13:53:12.241000Z
Lec.
Наиболее распространенный подход на текущий момент
false
true
false
17,530
2026-02-24T13:53:09.828000Z
2026-02-24T13:53:09.828000Z
Lec.
Каждое ТС самостоятельно обнаруживает объекты в своем поле зрения (например, пешеходов, автомобили, велосипедистов) и обменивается информацией об этих объектах, включая их класс, положение, скорость, размеры и уровень достоверности обнаружения [31]
false
true
false
17,529
2026-02-24T13:53:06.968000Z
2026-02-24T13:53:06.968000Z
Lec.
Примеры: Обмен картами признаков (feature maps) из сверточных нейронных сетей [33]
false
true
false
17,528
2026-02-24T13:53:04.272000Z
2026-02-24T13:53:04.272000Z
Lec.
Эффективность слияния сильно зависит от качества и согласованности алгоритмов извлечения признаков на разных платформах
false
true
false
17,527
2026-02-24T13:53:01.479000Z
2026-02-24T13:53:01.479000Z
Lec.
Недостатки: Частичная потеря информации на этапе извлечения признаков
false
true
false
17,526
2026-02-24T13:52:58.352000Z
2026-02-24T13:52:58.352000Z
Lec.
Упрощает задачу слияния, так как признаки обычно имеют более компактное представление
false
true
false
17,525
2026-02-24T13:52:55.886000Z
2026-02-24T13:52:55.886000Z
Lec.
Преимущества: снижает требования к пропускной способности канала связи по сравнению с обменом необработанными данными
false
true
false
17,524
2026-02-24T13:52:53.255000Z
2026-02-24T13:52:53.255000Z
Lec.
Обеспечивает максимальный объем информации, но требует высокой пропускной способности канала связи и значительных вычислительных ресурсов для обработки и слияния разнородных данных
false
true
false
17,523
2026-02-24T13:52:50.753000Z
2026-02-24T13:52:50.753000Z
Lec.
Транспортные средства предварительно обрабатывают свои сенсорные данные для извлечения ключевых признаков (например, обнаруженные объекты, их положение, скорость) и обмениваются этими признаками [31]
false
true
false
17,522
2026-02-24T13:52:47.905000Z
2026-02-24T13:52:47.905000Z
Lec.
Примеры: Исследования в области облачного слияния лидарных облаков точек от нескольких автомобилей [32]
false
true
false
17,521
2026-02-24T13:52:45.082000Z
2026-02-24T13:52:45.082000Z
Lec.
Кроме того, передача сырых сенсорных данных вызывает существенные проблемы конфиденциальности
false
true
false
17,520
2026-02-24T13:52:42.168000Z
2026-02-24T13:52:42.168000Z
Lec.
Агрегация разнородных необработанных данных сопряжена с высокой вычислительной сложностью и необходимостью точной пространственно-временной синхронизации сенсоров разнотипных транспортных средств
false
true
false
17,519
2026-02-24T13:52:39.519000Z
2026-02-24T13:52:39.519000Z
Lec.
Недостатки: требует крайне высокой пропускной способности канала связи, особенно при масштабировании на множество участников и высокой частоте обновления сенсорных данных
false
true
false
17,518
2026-02-24T13:52:36.834000Z
2026-02-24T13:52:36.834000Z
Lec.
Можно применять более сложные алгоритмы слияния, учитывающие корреляции между данными разных сенсоров
false
true
false
17,517
2026-02-24T13:52:34.326000Z
2026-02-24T13:52:34.326000Z
Lec.
Преимущества: сохраняется максимальный объем информации, что теоретически позволяет достичь наиболее точного и полного представления об окружающей среде после объединения
false
true
false
17,516
2026-02-24T13:52:31.802000Z
2026-02-24T13:52:31.802000Z
Lec.
Цель состоит в том, чтобы создать более полное, точное и надежное представление об окружающей среде, чем это возможно на основе данных только собственных сенсоров
false
true
false
17,515
2026-02-24T13:52:29.120000Z
2026-02-24T13:52:29.120000Z
Lec.
После получения необработанных данных от других AV, каждое ТС (или централизованный узел) выполняет процесс слияния этих данных со своими собственными необработанными сенсорными данными
false
true
false
17,514
2026-02-24T13:52:26.598000Z
2026-02-24T13:52:26.598000Z
Lec.
Объем данных невелик, но дальность действия ограничена физическими возможностями
false
true
false
17,513
2026-02-24T13:52:23.754000Z
2026-02-24T13:52:23.754000Z
Lec.
Данные ультразвуковых датчиков: Необработанные измерения времени прохождения ультразвукового сигнала
false
true
false
17,512
2026-02-24T13:52:21.027000Z
2026-02-24T13:52:21.027000Z
Lec.
Хотя объем данных с радаров обычно меньше, чем с лидаров или камер, их передача все равно требует определенной пропускной способности бортовой сети автомобиля;
false
true
false
17,511
2026-02-24T13:52:18.181000Z
2026-02-24T13:52:18.181000Z
Lec.
Радарные сигналы: Необработанные данные о времени задержки, частотном сдвиге (доплеровском) и амплитуде отраженных радиоволн
false
true
false
17,510
2026-02-24T13:52:15.171000Z
2026-02-24T13:52:15.171000Z
Lec.
Видеопотоки также генерируют объемы данных;
false
true
false
17,509
2026-02-24T13:52:12.604000Z
2026-02-24T13:52:12.604000Z
Lec.
Изображения с камер: последовательности пиксельных значений (RGB, монохромные, инфракрасные)
false
false
false
17,508
2026-02-24T13:52:09.560000Z
2026-02-24T13:52:09.560000Z
Lec.
Передача таких данных требует высокой пропускной способности из-за большого объема информации;
false
true
false