跳到正文
热点事件持续更新

FedE2E 单次联邦学习端到端自动驾驶方法发布

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Tao Lian 与 Antonio M. López 在 arXiv 发布论文,提出 FedE2E,一种面向端到端自动驾驶的一次性联邦学习方法,包含多客户端校准、基于锚点的特征对齐和 token 级共识蒸馏,以从异构模型中蒸馏知识。 论文报告称,在 Bench2Drive 闭环评测中,一次性设置下 Driving Score 达 55.85,比此前工作高 4.07 分;多轮设置下经 5 轮通信达 60.35,为同通信轮数下对比方法中的最优结果。

AI 根据报道生成 · 31 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    FedE2E:面向端到端自动驾驶的一次性联邦学习方法(附闭环评测)

    研究者提出 FedE2E,一种面向端到端自动驾驶的一次性联邦学习方法,包含多客户端校准、基于锚点的特征对齐和 token 级共识蒸馏,以从异构模型中蒸馏知识。在 Bench2Drive 闭环评测中,一次性设置下 Driving Score 达 55.85,比此前工作高 4.07 分;多轮设置下经 5 轮通信达 60.35,为同通信轮数下的最优结果。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。