机构名称：
¥ 1.0
摘要 - 连接和自动化的车辆（CAVS）代表汽车领域中快速增长的技术，提供了有希望的解决方案，以应对诸如交通事故，拥堵和污染等挑战。通过利用骑士，我们有机会建立一个安全，高效且在环境上可持续的运输系统。基于机器学习的方法被广泛用于CAVS中，以用于感知，计划和控制等关键任务，在这种任务中，CAVS中的机器学习模型仅通过本地车辆数据训练，并且在暴露于新环境或看不见的情况下的性能不确定。联合学习（FL）是一种分散的机器学习方法，使多个车辆能够在分布式学习框架中开发协作模型。fl使骑士能够从广泛的驾驶环境中学习并改善其整体性能，同时确保当地车辆数据的隐私和安全性。在本文中，我们回顾了研究人员在将FL应用于骑士方面取得的进展。提供了在CAVS上实现的各种数据模式和算法的更广泛的看法。详细审查了FL的特定应用，并对研究挑战进行了分析。
对连接和自动化车辆联合学习的调查
主要关键词
相关文件推荐
