Can vehicles, infrastructure, and networks act as one system? Verizon Business’s Daniel Lawson discusses how vehicle-to-everything tech and edge computing are moving toward real-world safety,...

本研究提出V2X-LLM框架，旨在解决连接和自动化车辆与V2X数据集成的挑战。该框架利用大语言模型增强数据理解和实时分析能力，为交通管理提供决策支持，提高交通分析的准确性和安全性。

本研究提出了一种协作式LiDAR-4D雷达融合管道，利用V2X-R模拟数据集，解决了恶劣天气下V2X系统的3D物体检测问题。实验结果表明，该方法在雾天和雪天的性能显著提升，具有较大应用潜力。

本研究针对C-V2X编队系统中的资源分配问题，提出了一种语义感知的多模态资源分配方法（SAMRA），利用多智能体强化学习（MARL）进行优化。研究表明，SAMRA在提升通信质量和效率方面显著优于现有方法，能够确保关键数据优先传输，从而保障编队操作的安全高效。

本研究提出了一种基于V2X通信的分布式计算与控制框架，旨在解决自动化车辆在汇入口合并场景中的集中式协作轨迹规划问题。该框架通过问题分解和分布式合作迭代模型预测控制方法，提高了计算速度，减少了对中央控制器的依赖，同时确保系统的稳定性和安全性。

本文探讨了自动驾驶中的多模态轨迹预测，提出了一种基于共享3D查询和图结构的合作轨迹表示学习方法，利用车辆间通信（V2X）提升运动预测能力。研究表明，深度学习与多视角数据融合显著提高了轨迹预测的准确性和效率，推动了自动驾驶技术的发展。

本文探讨了车路一体化（V2X）通信在自动驾驶车辆感知中的应用，提出了一种基于V2X的协作感知框架，利用视觉Transformer提升3D物体检测性能。研究表明，V2X通信能够有效整合多辆车的信息，提高感知精度，克服遮挡和远程感知的局限。实验结果显示，该框架在复杂环境中表现优异，为智能交通系统的发展提供了新方向。

本文研究了细胞V2X通信中的资源分配与传输模式选择，提出了一种基于深度强化学习的去中心化算法和车辆聚类算法。实验结果表明，该算法在性能上优于其他基线方法，有效提高了信息更新的及时性并降低了通信成本。

本文研究了细胞V2X通信中的传输模式选择和资源分配，提出了一种基于深度强化学习的去中心化算法，优化了车对车通信的信道和功率分配。实验结果表明，该算法在满足延迟要求的同时有效降低了干扰，优于现有方法。

本文提出了一种新方法，结合预训练的文字转图像模型和3D体渲染技术，生成一致性更高的多视角3D图像。通过Zero123-6D方法和DI-V2X框架，提升了零侧位姿估计性能和V2X 3D物体检测效果，同时提出的新世界建模方法显著改善了自动驾驶中的点云观测。

本文提出了一种基于联邦学习的入侵检测框架，利用CIC-IDS 2017数据集实现去中心化机器学习，并通过SMOTE技术处理类别不平衡，以优化模型性能。研究表明，该框架在入侵检测中表现优异，同时保护用户隐私。此外，文章还探讨了联邦学习在车联网中的应用，分析了数据安全和模型性能的提升。

本文探讨了在V2X技术中引入多种无线接入技术，利用深度强化学习解决垂直切换问题，以降低通信成本并提高可靠性。同时，研究提出了基于激光雷达和车联网的自动驾驶方法，增强车辆感知能力，提升安全性和效率。通过优化调度策略和协作感知框架，实验验证了这些方法在复杂交通环境中的有效性。

本文探讨了车路一体化（V2X）通信在自动驾驶中的应用，提出了一种基于V2X的协作感知框架，利用视觉Transformer提升感知性能。研究表明，该框架在复杂环境下的3D物体检测中表现优异。通过融合激光雷达和V2X数据，提出了端到端的自动驾驶方法，提升了安全性和效率。此外，开发了多模态传感数据集，支持协作感知研究，展示了V2X通信在自动驾驶中的重要性。

车联网 (V2X) 的协作感知对于自动驾驶至关重要。我们提出了一种新的无监督 sim2real 领域适应方法，名为 DUSA。实验证明了 DUSA 方法在从模拟 V2XSet 数据集到真实世界 DAIR-V2X-C 数据集的无监督 sim2real 领域适应任务中的有效性。

本研究引入AccidentGPT，一个综合事故分析和预防的多模态大型模型，通过多传感器感知提供全面的事故分析和预防方法，支持自动驾驶车辆、人驾驶车辆和交通管理机构的安全需求。该模型首次将全面场景理解融入交通安全研究。

该文介绍了一种名为 DUSA 的无监督 sim2real 领域适应方法，用于解决车联网的协作感知问题。该方法分解为 sim2real 领域适应和协同代理适应两个子问题，并设计了 LSA 和 CIA 模块来解决。实验证明了该方法的有效性。

该文介绍了一种新的协同三维物体检测框架，利用分布式传感器信息辅助自动驾驶系统感知，避免通信拥堵和性能受限问题。实验结果证明该方法可以节省通信和计算成本，并提高检测性能。