[發明專利]基于無人車的聯邦學習實驗系統

在審

• 申請號: 202010084616.7
• 申請日: 2020-02-10
• 公開（公告）號: CN111290381A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 董苗波;梁新樂;劉洋;陳天健
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王韜

本發明公開了一種基于無人車的聯邦學習實驗系統，所述系統包括工作站、通信裝置和至少兩個無人車；無人車中安裝無人車開發環境，工作站中安裝工作站開發環境；通信裝置用于建立系統中各個設備之間的通信連接；無人車用于運行開發人員通過無人車開發環境開發的無人車AI控制算法，并將無人車AI控制算法中的模型數據上發至工作站參與聯邦學習以優化無人車AI控制算法；工作站，用于運行開發人員通過工作站開發環境開發的聯邦學習框架，通過聯邦學習框架對各所述無人車上發的模型數據進行聯邦學習優化處理。本發明通過為開發人員提供一個進行聯邦學習開發和應用試驗的實驗系統，降低了聯邦學習應用落地過程的難度，也縮短了開發人員的開發周期。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于無人車的聯邦學習實驗系統。

背景技術

聯邦學習是一個新出現的人工智能研究方向。通過聯邦學習，各個人工智能主體的模型綜合起來產生更優化的模型，并保持各個主體業務數據的保密性。相比于傳統的獨自訓練模型的方式，聯邦學習存在諸多優勢。例如，聯邦學習通過綜合不同個體和工作環境中產生的模型，可以產生更完備的更優化的模型；通過多個個體的聯邦學習，學習的速度更快，能夠在更短的時間內達到理想的模型結果等等。因此，在目前的人工智能應用中，聯邦學習被認為在智慧金融、物聯網、自動駕駛等具備分布式大數據的行業，具備很大的應用價值和前景。

但是，因為聯邦學習是一個新出現的研究方向，以及它所面向的應用通常是具備分布式大數據的業務場景，具備這樣條件的公司通常是具備較大規模的企事業單位，如自動駕駛公司、銀行、政府機構等。因此，在聯邦學習應用落地過程中，因涉及到較大體量的業務數據，需采用審慎的步驟，使得聯邦學習應用落地過程復雜困難，且周期冗長。

發明內容

本發明的主要目的在于提供一種基于無人車的聯邦學習實驗系統，旨在解決目前存在的聯邦學習應用落地過程復雜困難，且周期冗長的技術問題。

為實現上述目的，本發明提供一種基于無人車的聯邦學習實驗系統，所述系統包括工作站、通信裝置和至少兩個無人車；所述無人車中安裝無人車開發環境，所述工作站中安裝工作站開發環境；

所述通信裝置，用于建立所述系統中各個設備之間的通信連接，以供所述系統中各個設備之間進行數據交換；

所述無人車，用于運行開發人員通過所述無人車開發環境開發的無人車人工智能AI控制算法以控制所述無人車行駛，并將所述無人車AI控制算法中的模型數據上發至所述工作站參與聯邦學習以優化所述無人車AI控制算法；

所述工作站，用于運行開發人員通過所述工作站開發環境開發的聯邦學習框架，通過所述聯邦學習框架對各所述無人車上發的模型數據進行聯邦學習優化處理。

可選地，所述工作站還安裝無人車模擬駕駛的仿真環境，所述工作站開發環境包括AI算法開發環境，

所述工作站，還用于在所述仿真環境中運行開發人員通過所述AI算法開發環境開發的仿真環境AI控制算法，并通過所述聯邦學習框架對所述仿真環境AI控制算法中的模型數據以及各所述無人車上發的模型數據進行聯邦學習優化處理。

可選地，所述工作站，還用于在所述仿真環境中運行和優化所述仿真環境AI控制算法，并將優化后的所述仿真環境AI控制算法遷移至所述無人車中以優化所述無人車AI控制算法。

可選地，所述系統還包括用于設置在無人車駕駛場景周圍的攝像設備，所述攝像設備包括攝像頭裝置和攝像端計算單元，

所述攝像設備，用于在所述攝像端計算單元中運行攝像端AI算法以對所述攝像頭裝置采集的所述無人車運動的畫面數據進行處理，并將所述攝像端AI算法中的模型數據上傳至所述工作站參與縱向聯邦學習，以優化所述無人車AI控制算法；

相應地，所述工作站用于通過所述聯邦學習框架對所述攝像設備上傳的模型數據和各所述無人車上傳的模型數據進行縱向聯邦學習優化處理。