Vehículos todoterreno

6. Recursos y casos prácticos

Casos prácticos

Tractor eléctrico autónomo introduce IA en el sector agrícola

Tractor eléctrico autónomo introduce IA en el sector agrícola

Sumitomo Heavy Industries acelera el desarrollo de software integrado de control predictivo basado en modelos para excavadoras hidráulicas

Sumitomo Heavy Industries acelera el desarrollo de software integrado de control predictivo basado en modelos para excavadoras hidráulicas

MCI, Prinoth y Liebherr desarrollan gemelos digitales para facilitar el desarrollo de vehículos con orugas

MCI, Prinoth y Liebherr desarrollan gemelos digitales para facilitar el desarrollo de vehículos con orugas

Caterpillar utiliza Big Data, análisis de datos, Machine Learning y Deep Learning para desarrollar validación ground-truth para entrenamiento, validación y despliegue de clasificadores

Caterpillar utiliza Big Data, análisis de datos, Machine Learning y Deep Learning para desarrollar validación ground-truth para entrenamiento, validación y despliegue de clasificadores

CNH desarrolla un sistema de relleno inteligente de cosechadoras

CNH desarrolla un sistema de relleno inteligente de cosechadoras

Recursos de aprendizaje adicionales

Profesor de CMU y responsable de Cargotec Robotics analizan desafíos prácticos en el despliegue de autonomía en vehículos todoterreno

Profesor de CMU y responsable de Cargotec Robotics analizan desafíos prácticos en el despliegue de autonomía en vehículos todoterreno

Diseño y simulación de sistemas autónomos para vehículos de construcción

Desarrollo de autonomía para vehículos todoterreno con MATLAB

Pruebe ejemplos de código

Módulo anterior:
5. Seguridad funcional

Página de inicio

Explore MathWorks Consulting Services

Más información

Formación

Más información

¿Tiene preguntas?

Consulte con el equipo técnico experto.

Envíenos un email