Apprendimento applicato ai veicoli terrestri: Migliorare le prestazioni dei veicoli terrestri attraverso l'apprendimento della visione artificiale

¡ Visione Computerizzata [Italian] āĻŦāχ 84 ¡ One Billion Knowledgeable
āχ-āĻŦ⧁āĻ•
105
āĻĒ⧃āĻˇā§āĻ āĻž
āωāĻĒāϝ⧁āĻ•ā§āϤ
āϰ⧇āϟāĻŋāĻ‚ āĻ“ āϰāĻŋāĻ­āĻŋāω āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšā§ŸāύāĻŋ  āφāϰāĻ“ āϜāĻžāύ⧁āύ

āĻāχ āχ-āĻŦ⧁āϕ⧇āϰ āĻŦāĻŋāĻˇā§Ÿā§‡

Cos'è l'apprendimento applicato ai veicoli terrestri

L'iniziativa Learning Applied to Ground Vehicles (LAGR), operativa dal 2004 al 2008, è stata progettata con l'intento di accelerare lo sviluppo della navigazione fuoristrada autonoma, basata sulla percezione nei veicoli terrestri robotici senza pilota (UGV). La DARPA, un'agenzia di ricerca del Dipartimento della Difesa degli Stati Uniti d'America, ha fornito finanziamenti al LAGR.


Come trarrai beneficio


(I) Approfondimenti e convalide sui seguenti argomenti:


Capitolo 1: Programma DARPA LAGR


Capitolo 2: DARPA


Capitolo 3: Robot autonomo


Capitolo 4: Robot militare


Capitolo 5: Grande sfida DARPA


Capitolo 6: Veicolo terrestre senza pilota


Capitolo 7: Sperimentazione europea di robot terrestri


Capitolo 8: Robot mobile


Capitolo 9: Frantumatore (robot)


Capitolo 10: Centro nazionale di ingegneria robotica


(II) Rispondere alle principali domande del pubblico sull'apprendimento applicato ai veicoli terrestri.


(III) Esempi reali di utilizzo dell'apprendimento applicato ai veicoli terrestri in molti campi.


A chi è rivolto questo libro


Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di Apprendimento Applicato ai Veicoli Terrestri.

āχ-āĻŦ⧁āϕ⧇ āϰ⧇āϟāĻŋāĻ‚ āĻĻāĻŋāύ

āφāĻĒāύāĻžāϰ āĻŽāϤāĻžāĻŽāϤ āϜāĻžāύāĻžāύāĨ¤

āĻĒāĻ āύ āϤāĻĨā§āϝ

āĻ¸ā§āĻŽāĻžāĻ°ā§āϟāĻĢā§‹āύ āĻāĻŦāĻ‚ āĻŸā§āϝāĻžāĻŦāϞ⧇āϟ
Android āĻāĻŦāĻ‚ iPad/iPhone āĻāϰ āϜāĻ¨ā§āϝ Google Play āĻŦāχ āĻ…ā§āϝāĻžāĻĒ āχāύāĻ¸ā§āϟāϞ āĻ•āϰ⧁āύāĨ¤ āĻāϟāĻŋ āφāĻĒāύāĻžāϰ āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§‡āϰ āϏāĻžāĻĨ⧇ āĻ…āĻŸā§‹āĻŽā§‡āϟāĻŋāĻ• āϏāĻŋāĻ™ā§āĻ• āĻšā§Ÿ āĻ“ āφāĻĒāύāĻŋ āĻ…āύāϞāĻžāχāύ āĻŦāĻž āĻ…āĻĢāϞāĻžāχāύ āϝāĻžāχ āĻĨāĻžāϕ⧁āύ āύāĻž āϕ⧇āύ āφāĻĒāύāĻžāϕ⧇ āĻĒ⧜āϤ⧇ āĻĻā§‡ā§ŸāĨ¤
āĻ˛ā§āϝāĻžāĻĒāϟāĻĒ āĻ“ āĻ•āĻŽā§āĻĒāĻŋāωāϟāĻžāϰ
Google Play āĻĨ⧇āϕ⧇ āϕ⧇āύāĻž āĻ…āĻĄāĻŋāĻ“āĻŦ⧁āĻ• āφāĻĒāύāĻŋ āĻ•āĻŽā§āĻĒāĻŋāωāϟāĻžāϰ⧇āϰ āĻ“ā§Ÿā§‡āĻŦ āĻŦā§āϰāĻžāωāϜāĻžāϰ⧇ āĻļ⧁āύāϤ⧇ āĻĒāĻžāϰ⧇āύāĨ¤
eReader āĻāĻŦāĻ‚ āĻ…āĻ¨ā§āϝāĻžāĻ¨ā§āϝ āĻĄāĻŋāĻ­āĻžāχāϏ
Kobo eReaders-āĻāϰ āĻŽāϤ⧋ e-ink āĻĄāĻŋāĻ­āĻžāχāϏ⧇ āĻĒāĻĄāĻŧāϤ⧇, āφāĻĒāύāĻžāϕ⧇ āĻāĻ•āϟāĻŋ āĻĢāĻžāχāϞ āĻĄāĻžāωāύāϞ⧋āĻĄ āĻ“ āφāĻĒāύāĻžāϰ āĻĄāĻŋāĻ­āĻžāχāϏ⧇ āĻŸā§āϰāĻžāĻ¨ā§āϏāĻĢāĻžāϰ āĻ•āϰāϤ⧇ āĻšāĻŦ⧇āĨ¤ āĻŦā§āϝāĻŦāĻšāĻžāϰāĻ•āĻžāϰ⧀āϰ āωāĻĻā§āĻĻ⧇āĻļā§āϝ⧇ āϤ⧈āϰāĻŋ āϏāĻšāĻžā§ŸāϤāĻž āϕ⧇āĻ¨ā§āĻĻā§āϰāϤ⧇ āĻĻ⧇āĻ“ā§ŸāĻž āύāĻŋāĻ°ā§āĻĻ⧇āĻļāĻžāĻŦāϞ⧀ āĻ…āύ⧁āϏāϰāĻŖ āĻ•āϰ⧇ āϝ⧇āϏāĻŦ eReader-āĻ āĻĢāĻžāχāϞ āĻĒāĻĄāĻŧāĻž āϝāĻžāĻŦ⧇ āϏ⧇āĻ–āĻžāύ⧇ āĻŸā§āϰāĻžāĻ¨ā§āϏāĻĢāĻžāϰ āĻ•āϰ⧁āύāĨ¤

āϏāĻŋāϰāĻŋāϜ āĻĒāĻĄāĻŧāĻž āϚāĻžāϞāĻŋā§Ÿā§‡ āϝāĻžāύ

Fouad Sabry āĻāϰ āĻĨ⧇āϕ⧇ āφāϰ⧋

āĻāĻ•āχ āϧāϰāύ⧇āϰ āχ-āĻŦ⧁āĻ•