基于联邦学习的智能网联车驾驶策略优化研究

摘要：

汽车驾驶数据的有限性和隐私性严重限制了网联汽车的智能水平,因此,提出了一种基于联邦学习的智能网联车驾驶策略优化方案.首先,对模仿学习加入条件命令形成条件模仿学习,用其获得单车智能驾驶策略.其次,基于联邦学习对不同车辆的驾驶策略进行聚合,在保证数据隐私的前提下,提升智能网联车的驾驶性能.最后,基于Carla平台的实验结果表明,单车智能驾驶策略准确率达到较高水平,联邦学习车辆模型转弯任务成功率显著提升15％,直行成功率提升21％,验证了所提方法的有效性.

关键词：智能网联车、条件模仿学习、联邦学习、Carla

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：山西省基础研究计划自然科学研究面上资助项目;山西省基础研究计划青年科学研究资助项目;山西省重点研发计划资助项目

在线出版日期：2023-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：420-427