階層型フェデレーテッド・ラーニングによる高効率かつスケーラブルな自動運転制御

使用分层联邦学习实现高效且可扩展的自动驾驶控制

• 批准号: 22K17880
• 负责人: 杜 兆陽
• 金额: $ 2.91万
• 依托单位: The University of Electro-Communications
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17880/
• 关键词: フェデレーテッドラーニング; 深層強化学習; LSTM; 自動運転; フェデレーテッドラーニング; 深層強化学習; LSTM; 自動運転

2022年度では、以下の研究を実施した。FLシステムと深層強化学習に関するシミュレーションソフトを改造しました。シミュレーションはもちろん、ラズベリーパイとPCを組み立てた実機実験も達成しました。シミュレーションでは、クライアント上のフェデレーテッドラーニングを実行する時間を評価することは困難であるため、実機実験を構築しました。車両ネットワークでより実用的な検証を実現するのが期待できます。また、ファジー論理に基づいたクライアント選択スキームを設計しました。提案されたスキームは、ファジー論理的な手法に基づいて、ローカルサンプルの数、クライアントの計算能力、および利用可能なネットワークスループットを考慮しました。シミュレーション結果により、提案手法がベースラインより優れていることが示されました。

在2022年，进行了以下研究：我们修改了FL系统和深入增强学习的模拟软件。不仅模拟，我们还完成了组装覆盆子派和PC的实际实验。在模拟中，很难评估对客户进行联合学习的时间，因此我们为实际机械构建了实验。我们可以期望通过车辆网络实现更多实用的验证。我们还基于模糊逻辑设计了客户选择方案。提出的方案基于模糊逻辑方法，考虑到本地样本，客户端计算能力和可用网络吞吐量的数量。模拟结果表明，所提出的方法优于基线。