摘要
[1]. ，“ CARLA：开放式城市驾驶模拟器 ，“in CoRL，2017年 . 谷歌学者 
[2]. ，“ RoboTHOR：一个开放的仿真到现实的具体化人工智能平台 ，“in 计算机视觉和模式识别会议记录 , 2020. 谷歌学者 [3]. ，“ AirSim：自主车辆的高逼真视觉和物理仿真 ，“in 可行性研究报告 , 2017 . 谷歌学者 [4]. ，“ 从数据驱动仿真中学习端到端自主驾驶的鲁棒控制策略 ,” IEEE机器人与自动化通讯 ，卷。 5 ，没有。 2 ，第页。 1143 – 1150 , 2020 . 谷歌学者 交叉引用 
[5]. ，“ 通过数据驱动模拟学习交互式驾驶政策 ，“arXiv预印本arXiv： 2111.12137 , 2021 . 谷歌学者 [6]. ，“ 多模式端到端自动驾驶 ，“arXiv: 1906.03199 , 2019 . 谷歌学者 [7]. ，“ 可变端到端导航和本地化 ，“in IEEE机器人与自动化国际会议（ICRA） , 2019. 谷歌学者 [8] 。 ，“ 指导性策略搜索 ，“in 机器学习国际会议。 PMLR公司 2013年，pp。 1 – 9 . 谷歌学者 [9]. ，“ 基于事件的视觉与自动驾驶汽车转向预测的深度学习 ，“in IEEE计算机视觉和模式识别会议记录 2018年，pp。 5419 – 5427 . 谷歌学者 [10]. ，“ 具有左右一致性的无监督单极点深度估计 ，“in IEEE计算机视觉和模式识别会议（CVPR） , 2017. 谷歌学者 [11]. ，“ 单目深度估计的深度有序回归网络 ，“in IEEE计算机视觉和模式识别会议记录 2018年6月。 谷歌学者 [12]. ，“ 基于深度法线约束的稀疏激光雷达数据深度补全 ，“in IEEE/CVF国际计算机视觉会议（ICCV）会议记录 ，2019年10月。 谷歌学者 [13]. ，“ 激光雷达测深的表面几何模型 ,” IEEE机器人与自动化通讯 ，卷。 6 ，没有。 三 ，第页。 4457 – 4464 , 2021 . 谷歌学者 交叉引用 [14]. ，“ 时间镜头：基于事件的视频帧插值 ，“in IEEE/CVF计算机视觉和模式识别（CVPR）会议记录 ，2021年6月，pp。 16 155 – 16 164 . 谷歌学者 [15]. ，“ 从事件中学习单眼密集深度 ，“in 2020年国际3D视觉会议（3DV） 2020年，pp。 534 – 542 . 谷歌学者 [16]. ，“ 使用递归异步多模式网络组合事件和帧进行单目深度预测 ,” IEEE机器人与自动化通讯 ，卷。 6 ，没有。 2 , 2021 . 谷歌学者 [17]. ，“ Esim：一个开放式事件摄影机模拟器 ，“in 机器人学习会议。 PMLR公司 2018年，pp。 969 – 982 . 谷歌学者 [18]. ，“ 活动到视频：将现代计算机视觉引入活动摄像机 ，“in IEEE/CVF计算机视觉和模式识别（CVPR）会议记录 2019年6月。 谷歌学者 [19]. ，“ 视频到活动：回收活动摄像机的视频数据集 ，“in IEEE/CVF计算机视觉和模式识别（CVPR）会议记录 2020年6月。 谷歌学者 [20]. ，“ 回到事件基础：通过光度恒定性对事件摄像机图像重建的自我监督学习 ，“in IEEE/CVF计算机视觉和模式识别（CVPR）会议记录 2021年6月，pp。 3446 – 3455 . 谷歌学者 [21]. ，“ Pybillet是一个用于游戏、机器人和机器学习的物理模拟的python模块 ,” http://pybullet.org , 2016–2021 . 谷歌学者 [22]. ，“ dm_control：用于连续控制的软件和任务 ，“arXiv预印本： 2006.12983 , 2020 . 谷歌学者 [23]. ，“ MuJoCo：基于模型控制的物理引擎 ，“in 智能机器人和系统国际会议记录 ，2012年。 谷歌学者 [24]. R.Tedrake和Drake开发团队，” Drake：机器人基于模型的设计和验证 ,” 2019 。[在线]。 可用： https://drake.mit.edu . 谷歌学者 [25]. ，“ Torcs，开放式赛车模拟器 ，“软件位于 http://torcs.sourceforge.net ，卷。 4 ，没有。 6 ，第页。 2 , 2000 . 谷歌学者 [26]. ，“ Sim4cv：用于计算机视觉应用的照片真实感模拟器 ,” 国际计算机视觉杂志 ，卷。 126 ，没有。 9 ，第页。 902 – 919 , 2018 . 谷歌学者 数字图书馆 
[27]. ，“ AirSim：自动飞行器的高精度视觉和物理仿真 ，“in 现场和服务机器人（FSR） , 2017 . 谷歌学者 [28]. ，“ 飞行梦魇：一种灵活的四驱模拟器 ，“arXiv预打印arXiv： 2009.00563 , 2020 . 谷歌学者 [29]. ，“ 吉布森环境：对具体药物的现实世界认知 ，“in 计算机视觉和模式识别会议记录 , 2018. 谷歌学者 [30]. ，“ 栖息地：一个具体人工智能研究平台 ，“in 计算机视觉国际会议记录 , 2019. 谷歌学者 [31]. ，“ Lidarsim：利用真实世界进行真实的激光雷达模拟 ，“in IEEE/CVF计算机视觉和模式识别会议记录 2020年，pp。 11 167 – 11 176 . 谷歌学者 [32]。 ，“ V2VNet：用于联合感知和预测的车对车通信 ，“in 欧洲计算机视觉会议记录 , 2020. 谷歌学者 [33]. ，“ 针对自驾汽车的端到端学习 ，“arXiv: 1604.07316 , 2016 . 谷歌学者 [34]. ，“ 从大规模视频数据集中对驾驶模型进行端到端学习 ，“in IEEE计算机视觉和模式识别会议（CVPR） , 2017. 谷歌学者 [35]. ，“ 支持可审计自治的神经电路策略 ,” 自然机器智能 ，卷。 2 ，没有。 10 ，第页。 642 – 652 , 2020 . 谷歌学者 交叉引用 [36]. ，“ 基于条件模拟学习的城市驾驶 ，“in IEEE机器人与自动化国际会议（ICRA） , 2020. 谷歌学者 [37]. ，“ 用于灵活推理、规划和控制的深度模拟模型 ，“arXiv预打印arXiv： 1810.06544 , 2018 . 谷歌学者 [38]. ，“ 通过条件模拟学习实现端到端驾驶 ，“in IEEE机器人与自动化国际会议（ICRA） , 2018. 谷歌学者 [39]. ，“ 用于自动驾驶的虚拟到真实强化学习 ,” 2017 . 谷歌学者 [40]. ，“ 使用深度强化学习在大都灵运动中的超人类表现 ,” IEEE机器人与自动化通讯 ，卷。 6 ，没有。 三 ，第页。 4257 – 4264 , 2021 . 谷歌学者 [41]. ，“ 通过作弊学习 ，“in 机器人学习会议。 PMLR公司 2020年，pp。 66 – 75 . 谷歌学者 [42]. ，“ 基于视觉的驾驶模型离线评估 ，“in 欧洲计算机视觉会议记录 ，2018，pp。 236 – 251 . 谷歌学者 数字图书馆 [43]. ，“ 并行自治系统的学习指导界 ，“in IEEE机器人与自动化国际会议（ICRA） , 2018. 谷歌学者 [44]. ，“ 用于自动驾驶端到端控制的可变自动编码器，具有新颖性检测和训练去偏倚功能 ，“in 2018 IEEE/RSJ智能机器人和系统国际会议（IROS） IEEE，2018，pp。 568 – 575 . 谷歌学者 [45]. ，“ U-net：用于生物医学图像分割的卷积网络 ，“in 医学图像计算和计算机辅助干预国际会议 施普林格，2015年，pp。 234 – 241 . 谷歌学者 [46]. ，“ 视频到活动：回收活动摄像机的视频数据集 ，“in IEEE ICVF计算机视觉和模式识别会议记录 2020年，pp。 3586 – 3595 . 谷歌学者 [47]. ，“ Super slomo：用于视频插值的多个中间帧的高质量估计 ，“in IEEE计算机视觉和模式识别会议记录 ，2018，pp。 9000 – 9008 . 谷歌学者 [48]. ，“ event-camera数据集和模拟器：用于姿势估计、视觉里程计和slam的基于事件的数据 ,” 国际机器人研究杂志 ，卷。 36 ，没有。 2 ，第页。 142 – 149 , 2017 . 谷歌学者 数字图书馆 [49]. ，“ 基于事件的，从光度深度图进行6自由度相机跟踪 ,” IEEE模式分析和机器智能事务 ，卷。 40 ，没有。 10 ，第页。 2402 – 2412 , 2017 . 谷歌学者 [50]. ，“ 基于高效和稳健的激光雷达端到端导航 ，“arXiv预打印arXiv： 2105.09932 , 2021 . 谷歌学者 [51]. ，“ 用稀疏点盒卷积搜索高效的三维结构 ，“in 欧洲计算机视觉会议 , 2020. 谷歌学者
建议
联网和自动车辆的网络安全模拟器 MobiHoc’23：第二十届移动网络和移动计算理论、算法基础和协议设计国际研讨会论文集 近年来，我们见证了联网和自动车辆（CAV）的普及度和性能的显著提高。 这一进展在一定程度上得益于CAV模拟器的进步，使研究人员能够。。。 无人驾驶汽车自主驾驶仿真 WACV’15：2015 IEEE计算机视觉应用冬季会议记录 人类可以通过观察不同交通场景中的车辆运动来判断驾驶员的驾驶能力。 同样，驾驶行为可以作为评估无人驾驶车辆在现场试验和模拟试验中性能的主要依据。。。 ViStA：探索阿拉伯语文本的可视化系统 文本可视化已经成为一种重要的工具，它有助于知识发现和对大量数据的深入呈现。 本文介绍了一个用于探索阿拉伯语文本的可视化系统ViStA。 我们报告设计。。。
