转向信号预测：一个联邦学习案例研究
人工智能
2020-12-24 v1 计算机视觉与模式识别
摘要
驾驶礼仪因地域而异，驾驶员不仅遵守规则/法律，也遵从当地不成文的惯例。何时开启/关闭转向信号（指示器）便是这样一种没有绝对对错答案的礼仪。从车辆集成的多种传感器模态所产生的大量数据中学习此行为，是深度学习的一个合适候选。但使其成为联邦学习（Federated Learning）首要候选的原因在于：任何数据聚合都面临隐私担忧与带宽限制。本文提出一种基于长短期记忆（LSTM）的转向信号预测（开启或关闭）模型，使用车辆控制区域网络（CAN）信号数据。该模型以两种方式训练：一种是集中聚合数据，另一种以联邦方式。在相似超参数设置下比较集中训练模型与联邦模型。本研究展示了联邦学习的有效性，为车载驾驶礼仪学习铺平了道路。
引用
@article{arxiv.2012.12401,
title = {Turn Signal Prediction: A Federated Learning Case Study},
author = {Sonal Doomra and Naman Kohli and Shounak Athavale},
journal= {arXiv preprint arXiv:2012.12401},
year = {2020}
}