[發明專利]基于聯邦學習的自動駕駛訓練方法、設備及介質

有效

• 申請號: 202010931767.1
• 申請日: 2020-09-04
• 公開（公告）號: CN112052959B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 董苗波;衣志昊;梁新樂;范力欣
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種基于聯邦學習的自動駕駛訓練方法，其特征在于，應用于云端服務器，所述云端服務器與各個目標車輛共同構成基于聯邦學習的自動駕駛訓練系統，所述基于聯邦學習的自動駕駛訓練方法包括：

在檢測到訓練指令時，獲取通過預設基礎模型和離線數據經由離線訓練得到的預設待訓練模型，將所述預設待訓練模型在線實時發送給預設行駛范圍內的各目標車輛；

獲取所述各目標車輛基于各自實時本地數據集對所述預設待訓練模型進行訓練后得到的各第一目標模型參數；

基于所述各第一目標模型參數，在線執行預設聯邦流程，并對所述預設待訓練模型進行迭代訓練，得到第二目標模型參數，其中，預設聯邦流程包括：各個目標車輛將第一目標模型參數發送給云服務器端，云服務器端接收各個第一目標模型參數后，對各個第一目標模型參數進行聚合，得到第一聚合參數，在得到第一聚合參數后，將第一聚合參數發送給各個目標車輛，以供各個目標車輛進行下輪的本地迭代訓練，得到對應下一輪的目標模型參數，在得到對應下一輪的目標模型參數后，各個目標車輛將下一輪的目標模型參數發送給云服務器端，以供云服務器端進行聚合；

將所述第二目標模型參數發送給所述目標車輛，以供各所述目標車輛在線基于所述第二目標模型參數完善得到各自本地的目標模型，以實現各自的自動駕駛功能；

所述在檢測到訓練指令時，獲取預設待訓練模型，將所述預設待訓練模型發送給預設行駛范圍內的各目標車輛的步驟，包括：

在檢測到訓練指令時，根據所述訓練指令中攜帶的區域屬性，從預設模型集合中選取所述預設待訓練模型；

將所述預設待訓練模型發送給預設行駛范圍內的各目標車輛，其中，預設行駛范圍是由預設待訓練模型確定的，即是預設待訓練模型確定，則預設行駛范圍確定。

2.如權利要求1所述基于聯邦學習的自動駕駛訓練方法，其特征在于，所述在檢測到訓練指令時，根據所述訓練指令中攜帶的區域屬性，從預設模型集合中選取所述預設待訓練模型的步驟，包括：

在檢測到訓練指令時，根據所述訓練指令中攜帶的區域屬性，從預設模型集合中選取預設模型子集合；

根據所述訓練指令中攜帶的時間信息以及車輛類型信息，從預設模型子集合中選取所述預設待訓練模型。

3.如權利要求1所述基于聯邦學習的自動駕駛訓練方法，其特征在于，所述將所述第二目標模型參數發送給所述目標車輛，以供各所述目標車輛基于所述第二目標模型參數得到各自的目標模型，以實現各自的自動駕駛功能的步驟，包括：

對所述第二目標模型參數進行加密處理，得到加密模型參數；

將所述加密模型參數發送給所述目標車輛，以供各所述目標車輛基于所述第二目標模型參數得到各自的目標模型，以實現各自的自動駕駛功能。

4.如權利要求1所述基于聯邦學習的自動駕駛訓練方法，其特征在于，所述在檢測到訓練指令時，獲取預設待訓練模型，將所述預設待訓練模型發送給預設行駛范圍內的各目標車輛的步驟，還包括：

在檢測到訓練指令時，獲取預設待訓練模型；

與預設行駛范圍內的各個基站進行通信，將所述預設待訓練模型分發給所述各個基站，以供所述各個基站基于與各個目標車輛的距離信息，將所述預設待訓練模型發送給預設行駛范圍內的各目標車輛。

5.如權利要求1所述基于聯邦學習的自動駕駛訓練方法，其特征在于，所述將所述預設待訓練模型在線實時發送給預設行駛范圍內的各目標車輛的步驟之前，所述方法包括：

獲取預設基礎模型；

基于具有預設識別標簽的離線訓練數據，對所述預設基礎模型進行迭代訓練，以對所述預設基礎模型中的模型參數進行訓練更新，直至所述預設基礎模型達到預設訓練完成條件；達到預設訓練完成條件后的所述預設基礎模型設置為預設待訓練模型。

6.如權利要求5所述基于聯邦學習的自動駕駛訓練方法，其特征在于，所述具有預設識別標簽的離線訓練數據包括具有預設識別標簽的離線激光雷達掃描數據，離線攝像數據以及離線毫米波雷達數據。