1. Розенберг Е. Н., Дзюба Ю. В., Батраев В. В. О направлениях развития цифровой железной дороги // Автоматика, связь, информатика. 2018. № 1. С. 9–13.
2. Охотников А. Л., Попов П. А. Беспилотное управление локомотивом: вчера, сегодня и завтра // Автоматика, связь, информатика. 2019. № 8. С. 12–17. DOI:https://doi.org/10.34649/AT.2019.8.8.002
3. Otte M. W. A Survey of Machine Learning Approaches to Robotic Path-Planning. University of Colorado at Boulder: Boulder, CO, USA, 2009.
4. Dulac-Arnold G., Mankowitz D., Hester T. Challenges of Real-World Reinforcement Learning // arXiv. 2019. URL: arXiv:1904.12901
5. Zhao Y., Zhang Y., Wang S. A Review of Mobile Robot Path Planning Based on Deep Reinforcement Learning Algorithm // J. Phys. Conf. Ser. 2021. Vol. 2138. P. 012011.
6. Deshpande S., Kashyap A. K., Patle B. K. A review on path planning AI techniques for mobile robots // Robot. Syst. Appl. 2023. Vol. 3. P. 27–46.
7. Janji S., Kliks A. Neural Networks for Path Planning // arXiv. 2022. URL: arXiv:2207.00874
8. Bharadwaj H., Kumar E. V. Comparative study of neural networks in path planning for catering robots // Procedia Comput. Sci. 2018. Vol. 133. P. 417–423.
9. Obstacle detection in a field environment based on a convolutional neural network security / T. Li [et al.] // Enterp. Inf. Syst. 2022. Vol. 16. P. 472–493.
10. Nowakowski M., Kurylo J. Usability of Perception Sensors to Determine the Obstacles of Unmanned Ground Vehicles Operating in Off-Road Environments // Appl. Sci. 2023. Vol. 13. P. 4892.
11. Deep Multi-modal Object Detection for Autonomous Driving / A. Ennajar [et al.] // Proceedings of the 2021 18th International Multi-Conference on Systems, Signals & Devices (SSD) (Monastir, Tunisia, 22–25 March 2021). P. 10.
12. Reinoso O., Payá L. Special Issue on Visual Sensors // Sensors. 2020. Vol. 20. P. 910.
13. 3D Recognition Based on Sensor Modalities for Robotic Systems: A Survey / S. Manzoor [et al.] // Sensors. 2021. Vol. 21. P. 7120.
14. Xie D., Xu Y., Wang R. Obstacle detection and tracking method for autonomous vehicl based on threedimensional LiDAR // Int. J. Adv. Robot. Syst. 2019. Vol. 16. P. 1729881419831587.
15. Сравнение оценок качества комплексирования разноспектральных изображений и алгоритмы улучшения качества низкоконтрастных изображений для систем видеонаблюдения / С. Н. Кириллов [и др.] // Цифровая обработка сигналов и ее применение — DSPA‑2019: доклады 21‑й Международной конференции. 2019. С. 403–408.
16. Журавлев Ю. И., Рязанов В. В., Сенько О. В. «Распознавание». Математические методы. Программная система. Практические применения. М.: ФАЗИС, 2006. 176 с.
17. Bar-Shalom Y., Li X.-R. Multitarget-multisensor tracking: principles and techniques. Vol. 19. Storrs, CT: YBs, 1995.
18. Эддоус М., Стэнсфилд Р. Методы принятия решений / пер. с англ. под ред. член-корр. РАН И. И. Елисеевой. М.: Аудит, ЮНИТИ, 1997. 590 с.
19. Охотников А. Л. Ситуационное беспилотное управление // ИТНОУ: Информационные технологии в науке, образовании и управлении. 2019. № 3(13). С. 96–107.
20. Гиззатов А. С., Иванов В. Ф. Привязка координат подвижного состава к цифровой модели пути // Навигация и управление движением: материалы ХXV Юбилейной конференции молодых ученых (Санкт-Петербург, 21–24 марта 2023 года). СПб.: Концерн «Центральный научно-исследовательский институт «Электроприбор», 2023. С. 32–34.
21. ISO 8855:2011 — Road vehicles — Vehicle dynamics and road-holding ability — Vocabulary. URL:/ https://www.iso.org/standard/51180.html
22. Способ автоматической калибровки датчиков машинного зрения рельсового транспортного средства: патент № 2811766 C1 Российская Федерация, МПК G06T 7/80 / И. А. Дейлид [и др.]; заявл. 20.04.2023; опубл. 17.01.2024; заявитель ОАО «РЖД».
23. Устройство комплексирования данных от обнаруженных препятствий для скоростного электропоезда: патент № 042050 / В. Ф. Иванов [и др.]; заявл. 04.02.2021; опубл. 29.12.2022; заявитель ОАО «РЖД».