Key points are not available for this paper at this time.
끊임없이 진화하는 자율주행 분야에서, 차량들은 환경 변수, 운전자의 행동 및 선호도를 포함한 방대한 데이터를 축적하고 처리하는 모바일 컴퓨팅 센터로 발전했습니다. 기존의 중앙 집중식 데이터 처리 방법은 개인정보 보호 및 보안 취약점에 직면하고 있습니다. 이러한 문제를 해결하기 위해, 연합 학습 기술이 분산형, 개인 정보 보호 아키텍처로서 유망한 대안으로 등장했습니다. 본 리뷰에서는 차량의 조타 각도 예측, 객체 감지 및 다중 모드 센서 데이터 융합을 향상시키기 위해 연합 학습을 사용하는 연구를 포함하여, 자율주행에서의 연합 학습의 적용을 인식, 예측 및 통신 시나리오에 중점을 두고 탐구합니다. 또한 이 리뷰는 분산 연합 학습(DFL), 선택적 연합 강화 학습(SFRL) 및 차량-모든 것(V2X) 통신과 같은 기술을 통해 통신 효율성의 개선을 조사합니다. 분석 결과, 연합 학습은 자율주행에서 큰 잠재력을 가지고 있으며, 인식, 예측 및 통신에서 차량 성능을 크게 향상시킬 수 있음을 나타냈습니다. 그러나 데이터 이질성과 통신 비용과 같은 도전 과제가 여전히 존재합니다. 향후 연구는 집계 알고리즘 정제, 통신 오버헤드 최소화 및 진화하는 자율주행 기술에 대한 연합 학습의 적응을 우선시해야 합니다.
Zelong Xiang (금요일)이 이 질문을 연구했습니다.