Глубокое распределеннное обучение для автономного вождения

Автономное вождение является активной темой исследований как в научных кругах, так и в промышленности. Однако большинство существующих решений направлены на повышение точности путем обучения обучаемых моделей с использованием централизованных крупномасштабных данных. Таким образом, эти методы не учитывают конфиденциальность пользователя.

В этой статье представлен новый подход к обучению политике автономного вождения при соблюдении конфиденциальности. Авторы предлагают одноранговый подход Deep Federated Learning (DFL) для обучения глубоких архитектур полностью децентрализованным образом и устраняем необходимость в централизованной оркестровке. Они разрабатывают новую сеть Federated Autonomous Driving network (FADNet), которая может улучшить стабильность модели, обеспечить сходимость и справиться с проблемами несбалансированного распределения данных при обучении с помощью методов федеративного обучения.

Ссылка на статью: https://arxiv.org/pdf/2110.05754v1.pdf

Источник: arxiv.org

Комментарии: