FedRobo：联邦学习驱动的自主机器人间通信以实现最优化学喷洒
机器学习
2024-08-19 v2 计算机视觉与模式识别
分布式、并行与集群计算
机器人学
摘要
联邦学习使机器人能够在不依赖集中式数据收集的情况下从彼此的经验中学习。每台机器人独立维护作物状态和化学喷洒效果的模型，并定期与机队中的其他机器人共享。设计了一种通信协议，通过促进关于作物状态、天气和其他关键因素的信息交换来优化化学喷洒应用。联邦学习算法利用这些共享数据持续优化化学喷洒策略，减少浪费并提高作物产量。该方法有望通过提供一种可扩展且高效的作物保护解决方案来革新农业行业。然而，仍存在重大挑战，包括开发安全可靠的通信协议、设计能有效整合多源数据的联邦学习算法，以及确保自主机器人的安全性和可靠性。所提出的基于聚类的联邦学习方法还能有效降低全局服务器的计算负载，并最小化客户端之间的通信开销。
引用
@article{arxiv.2408.06382,
title = {FedRobo: Federated Learning Driven Autonomous Inter Robots Communication For Optimal Chemical Sprays},
author = {Jannatul Ferdaus and Sameera Pisupati and Mahedi Hasan and Sathwick Paladugu},
journal= {arXiv preprint arXiv:2408.06382},
year = {2024}
}
备注
This research article is going to be submitted to a best-fit conference. We are looking for a conference