基于无人车的联邦学习实验系统技术方案

本发明专利技术公开了一种基于无人车的联邦学习实验系统，所述系统包括工作站、通信装置和至少两个无人车；无人车中安装无人车开发环境，工作站中安装工作站开发环境；通信装置用于建立系统中各个设备之间的通信连接；无人车用于运行开发人员通过无人车开发环境开发的无人车AI控制算法，并将无人车AI控制算法中的模型数据上发至工作站参与联邦学习以优化无人车AI控制算法；工作站，用于运行开发人员通过工作站开发环境开发的联邦学习框架，通过联邦学习框架对各所述无人车上发的模型数据进行联邦学习优化处理。本发明专利技术通过为开发人员提供一个进行联邦学习开发和应用试验的实验系统，降低了联邦学习应用落地过程的难度，也缩短了开发人员的开发周期。

Federal learning experiment system based on unmanned vehicle

【技术实现步骤摘要】
基于无人车的联邦学习实验系统
本专利技术涉及人工智能
，尤其涉及一种基于无人车的联邦学习实验系统。
技术介绍
联邦学习是一个新出现的人工智能研究方向。通过联邦学习，各个人工智能主体的模型综合起来产生更优化的模型，并保持各个主体业务数据的保密性。相比于传统的独自训练模型的方式，联邦学习存在诸多优势。例如，联邦学习通过综合不同个体和工作环境中产生的模型，可以产生更完备的更优化的模型；通过多个个体的联邦学习，学习的速度更快，能够在更短的时间内达到理想的模型结果等等。因此，在目前的人工智能应用中，联邦学习被认为在智慧金融、物联网、自动驾驶等具备分布式大数据的行业，具备很大的应用价值和前景。但是，因为联邦学习是一个新出现的研究方向，以及它所面向的应用通常是具备分布式大数据的业务场景，具备这样条件的公司通常是具备较大规模的企事业单位，如自动驾驶公司、银行、政府机构等。因此，在联邦学习应用落地过程中，因涉及到较大体量的业务数据，需采用审慎的步骤，使得联邦学习应用落地过程复杂困难，且周期冗长。
技术实现思路
本专利技术的主要目的在于提供一种基于无人车的联邦学习实验系统，旨在解决目前存在的联邦学习应用落地过程复杂困难，且周期冗长的技术问题。为实现上述目的，本专利技术提供一种基于无人车的联邦学习实验系统，所述系统包括工作站、通信装置和至少两个无人车；所述无人车中安装无人车开发环境，所述工作站中安装工作站开发环境；所述通信装置，用于建立所述系统中各个设备之间的通信连接，以供所述系统中各个设备之间进行数据交换；所述无人车，用于运行开发人员通过所述无人车开发环境开发的无人车人工智能AI控制算法以控制所述无人车行驶，并将所述无人车AI控制算法中的模型数据上发至所述工作站参与联邦学习以优化所述无人车AI控制算法；所述工作站，用于运行开发人员通过所述工作站开发环境开发的联邦学习框架，通过所述联邦学习框架对各所述无人车上发的模型数据进行联邦学习优化处理。可选地，所述工作站还安装无人车模拟驾驶的仿真环境，所述工作站开发环境包括AI算法开发环境，所述工作站，还用于在所述仿真环境中运行开发人员通过所述AI算法开发环境开发的仿真环境AI控制算法，并通过所述联邦学习框架对所述仿真环境AI控制算法中的模型数据以及各所述无人车上发的模型数据进行联邦学习优化处理。可选地，所述工作站，还用于在所述仿真环境中运行和优化所述仿真环境AI控制算法，并将优化后的所述仿真环境AI控制算法迁移至所述无人车中以优化所述无人车AI控制算法。可选地，所述系统还包括用于设置在无人车驾驶场景周围的摄像设备，所述摄像设备包括摄像头装置和摄像端计算单元，所述摄像设备，用于在所述摄像端计算单元中运行摄像端AI算法以对所述摄像头装置采集的所述无人车运动的画面数据进行处理，并将所述摄像端AI算法中的模型数据上传至所述工作站参与纵向联邦学习，以优化所述无人车AI控制算法；相应地，所述工作站用于通过所述联邦学习框架对所述摄像设备上传的模型数据和各所述无人车上传的模型数据进行纵向联邦学习优化处理。可选地，所述无人车包括无人车计算单元和设置在无人车中的传感器，所述无人车，用于在所述无人车计算单元中运行所述无人车AI控制算法，根据所述传感器采集的传感器数据得出所述无人车的控制信号，根据所述控制信号控制所述无人车行驶。可选地，所述传感器包括惯性测量单元、激光雷达和摄像头中的一个或多个。可选地，所述系统还包括显示屏，所述显示屏用于可视化输出实验数据，所述实验数据包括以下一项或多项：所述无人车中传感器采集的传感器数据、所述摄像设备采集的画面数据、联邦学习过程中模型数据传输和优化的可视化分析数据。可选地，所述通信装置包括无线路由器，所述通信装置用于通过所述无线路由器将所述系统中各个设备的无线网络配置于同一局域网内，以供所述系统中各个设备之间进行数据交换。可选地，所述无人车开发环境包括嵌入式操作系统、机器人操作系统和深度学习库。可选地，所述工作站开发环境还包括无人车调试环境，所述工作站，还用于基于所述无人车调试环境连接所述无人车计算单元，将所述嵌入式操作系统下载至所述无人车中；或，所述工作站，还用于基于所述无人车调试环境远程登录所述无人车，向所述无人车发送控制指令；或，所述工作站，还用于基于所述无人车调试环境远程获取所述无人车的运行信息，根据所述运行信息进行分析以修改优化所述无人车中的程序。本专利技术中，基于无人车的联邦学习实验系统通过无人车、工作站和通信装置，为开发人员提供了一个用于研究和开发联邦学习应用的硬件框架，并通过工作站为开发人员提供用于开发软件层面的联邦学习框架的开发环境，通过无人车为开发人员提供了用于邢无人车AI控制算法的开发环境，从而使得开发人员在实际环境中搭建和应用联邦学习框架和人工智能算法之前，可以在实验系统中先进行搭建和应用试验，从而避免开发人员在实际环境中花费较长时间进行试验，提高开发效率，降低开发难度。具体地，在应用于实际业务之前，可先在实验系统中搭建联邦学习框架，验证联邦学习算法，以保证整体框架和学习算法的有效性；在业务应用中，涉及到需要增加功能或者修改算法，可以先在实验环境进行试验，经验证有效之后，再应用于实际业务，以保证业务的正常工作。相比实际的业务应用，通过实验系统提供的实验环境，能够更快地、更灵活地进行联邦学习框架和人工智能算法的研究。附图说明图1是本专利技术第一实施例提供的一种基于无人车的联邦学习实验系统的结构示意图；图2为本专利技术实施例涉及的一种无人车基于AI控制算法控制实现智能控制的示意图；图3为本专利技术实施例涉及的一种横向联邦学习框架示意图；图4为本专利技术实施例涉及的一种纵向联邦学习框架示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。由
技术介绍
可知，各个人工智能主体通过联邦学习进行模型训练，相比于传统的模型训练方式，能够通过综合不同个体和工作环境中产生的模型，可以产生更完备的更优化的模型，并保持各个主体业务数据的保密性，也即，由于联邦学习存在着诸多优势，也使得联邦学习成为了一个新的人工智能研究方向，被认为在智慧金融、物联网、自动驾驶等具备分布式大数据的行业，具备很大的应用价值和前景。但是，由于联邦学习所面向的应用场景通常涉及较大体量的业务数据，因此，使得联邦学习的开发和应用落地过程变得复杂困难，且周期冗长。因此，本专利技术实施例提供了一种基于无人车的联邦学习实验系统。旨在通过实验系统中的环境、设施来支持联邦学习的研究和应用试验。参照图1，为本专利技术第一实施例提供的一种基于无人车的联邦学习实验系统的结构示意图。在本实施例中，所述基于无人车的联邦学习实验系统包括工作站、通信装置和至少两个无人车；所述无人车中安装无人车本文档来自技高网...

【技术保护点】
1.一种基于无人车的联邦学习实验系统，其特征在于，所述系统包括工作站、通信装置和至少两个无人车；所述无人车中安装无人车开发环境，所述工作站中安装工作站开发环境；/n所述通信装置，用于建立所述系统中各个设备之间的通信连接，以供所述系统中各个设备之间进行数据交换；/n所述无人车，用于运行开发人员通过所述无人车开发环境开发的无人车人工智能AI制算法以控制所述无人车行驶，并将所述无人车AI控制算法中的模型数据上发至所述工作站参与联邦学习以优化所述无人车AI控制算法；/n所述工作站，用于运行开发人员通过所述工作站开发环境开发的联邦学习框架，通过所述联邦学习框架对各所述无人车上发的模型数据进行联邦学习优化处理。/n

【技术特征摘要】
1.一种基于无人车的联邦学习实验系统，其特征在于，所述系统包括工作站、通信装置和至少两个无人车；所述无人车中安装无人车开发环境，所述工作站中安装工作站开发环境；
所述通信装置，用于建立所述系统中各个设备之间的通信连接，以供所述系统中各个设备之间进行数据交换；
所述无人车，用于运行开发人员通过所述无人车开发环境开发的无人车人工智能AI制算法以控制所述无人车行驶，并将所述无人车AI控制算法中的模型数据上发至所述工作站参与联邦学习以优化所述无人车AI控制算法；
所述工作站，用于运行开发人员通过所述工作站开发环境开发的联邦学习框架，通过所述联邦学习框架对各所述无人车上发的模型数据进行联邦学习优化处理。


2.如权利要求1所述的基于无人车的联邦学习实验系统，其特征在于，所述工作站还安装无人车模拟驾驶的仿真环境，所述工作站开发环境包括AI算法开发环境，
所述工作站，还用于在所述仿真环境中运行开发人员通过所述AI算法开发环境开发的仿真环境AI控制算法，并通过所述联邦学习框架对所述仿真环境AI控制算法中的模型数据以及各所述无人车上发的模型数据进行联邦学习优化处理。


3.如权利要求2所述的基于无人车的联邦学习实验系统，其特征在于，所述工作站，还用于在所述仿真环境中运行和优化所述仿真环境AI控制算法，并将优化后的所述仿真环境AI控制算法迁移至所述无人车中以优化所述无人车AI控制算法。


4.如权利要求1所述的基于无人车的联邦学习实验系统，其特征在于，所述系统还包括用于设置在无人车驾驶场景周围的摄像设备，所述摄像设备包括摄像头装置和摄像端计算单元，
所述摄像设备，用于在所述摄像端计算单元中运行摄像端AI算法以对所述摄像头装置采集的所述无人车运动的画面数据进行处理，并将所述摄像端AI算法中的模型数据上传至所述工作站参与纵向联邦学习，以优化无人车AI控制算法；
相应地，所述工作站用于通过所述联邦学习框架对所述摄像...

【专利技术属性】
技术研发人员：董苗波，梁新乐，刘洋，陈天健，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44