• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖世大学堂
  • 盖亚系统
  • 盖世汽车APP
  • 联通云
  • 2025第三届具身智能产业发展论坛
  • 2025第六届软件定义汽车论坛暨AUTOSAR中国日
  • 2025第五届中国汽车人机交互与体验设计创新大会
  • 2025第五届汽车计算大会
  • 2025第三届AI定义汽车论坛
  • 走进上汽提质增效&创新驱动论坛暨
  • 2025第三届中国汽车及零部件出海高峰论坛
  • 第八届上海-斯图加特汽车及动力系统国际研讨会
  • 2025第四届中国车联网安全大会
当前位置:首页 > 新技术 > 正文

纽约大学开发Cached-DFL学习方法 可使自动驾驶汽车间接共享道路知识

盖世汽车 钟群 2025-03-03 08:05:00

盖世汽车讯 据外媒报道,纽约大学(NYU)坦登工程学院主导的研究团队开发出一种使自动驾驶汽车能够间接共享路况知识的方法,从而使每辆车即使很少在路上相遇,也能从其他车辆的经验中学习。这项研究解决了人工智能领域的一个长期难题:如何在保护数据隐私的前提下实现车辆间的知识共享。该论文已发布在arXiv预印本服务器上。

纽约大学开发Cached-DFL学习方法 可使自动驾驶汽车间接共享道路知识

图片来源:arXiv

通常情况下,车辆仅在短暂的直接相遇时共享学习成果,而这限制了其快速适应新环境的能力。纽约大学坦登工程学院电气与计算机工程系教授Yong Liu解释道:“这项研究为自动驾驶汽车创建了一个共享经验的网络。一辆仅在美国曼哈顿(Manhattan)行驶的车辆,现在可以通过其他车辆了解布鲁克林(Brooklyn)的交通状况,即使这辆车从未曼哈顿行驶过。这将使汽车变得更加智能,并更好地应对未经历过的情况。”



本文共计1000字开通高级账号后继续阅读

登录后获取已开通的账号权益

本文共计1000字开通高级账号后继续阅读

您未开通,请开通后阅读

*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:https://auto.gasgoo.com/news/202503/3I70419661C409.shtml

文章标签: 前瞻技术
 
0

好文章,需要你的鼓励

微信扫一扫分享该文章