2nd Workshop on the Challenge Of Out Of Label Hazards In Autonomous Driving

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F08997187%3A_____%2F25%3AN0000003" target="_blank" >RIV/08997187:_____/25:N0000003 - isvavai.cz</a>

Výsledek na webu

<a href="https://2coool.net/" target="_blank" >https://2coool.net/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

2nd Workshop on the Challenge Of Out Of Label Hazards In Autonomous Driving

Popis výsledku v původním jazyce

In recent years, the field of autonomous vehicles has rapidly expanded, driven by advancements in AI, machine learning, and sensor technologies that promise to enhance safety, reduce traffic accidents, and improve mobility. From a safety perspective, avoiding hazards is essential for a robust system, and there is room for further improvement. A robust autonomous vehicle system should be able to identify and appropriately respond to unexpected or previously unseen hazards to avoid accidents. In this workshop, we encourage researchers to address the limitations of current approaches to hazard avoidance on the road by proposing new algorithms and systems that advance the field, particularly through solutions inspired by novelty-adjacent areas such as Anomaly Detection, Open-Set Recognition, Open Vocabulary, and Domain Adaptation.

Název v anglickém jazyce

2nd Workshop on the Challenge Of Out Of Label Hazards In Autonomous Driving

Popis výsledku anglicky

In recent years, the field of autonomous vehicles has rapidly expanded, driven by advancements in AI, machine learning, and sensor technologies that promise to enhance safety, reduce traffic accidents, and improve mobility. From a safety perspective, avoiding hazards is essential for a robust system, and there is room for further improvement. A robust autonomous vehicle system should be able to identify and appropriately respond to unexpected or previously unseen hazards to avoid accidents. In this workshop, we encourage researchers to address the limitations of current approaches to hazard avoidance on the road by proposing new algorithms and systems that advance the field, particularly through solutions inspired by novelty-adjacent areas such as Anomaly Detection, Open-Set Recognition, Open Vocabulary, and Domain Adaptation.

Druh

W - Uspořádání workshopu

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TM05000009" target="_blank" >TM05000009: Zajištěné informace pro provoz připojených a autonomních vozidel</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Místo konání akce

Honolulu

Stát konání akce

US - Spojené státy americké

Datum zahájení akce

—

Datum ukončení akce

—

Celkový počet účastníků

100

Počet zahraničních účastníků

99

Typ akce podle státní přísl. účastníků

WRD - Celosvětová akce