端到端自动驾驶只需上传一次模型:FedE2E在Bench2Drive闭环评测拿到55.85驾驶分
端到端自动驾驶的联邦训练此前通常要多轮通信,且多用开环误差衡量,难以反映连续驾驶中的误差累积。FedE2E让每个客户端只上传一次模型权重,服务器用这些模型作教师、以自身数据做知识蒸馏,经多客户端校准、锚点对齐和逐词元共识蒸馏合成全局模型。在CARLA的Bench2Drive闭环评测中,单轮设置下驾驶分55.85,比同样采用蒸馏的FedDF高4.07分,但仍低于集中式训练的63.30。
端到端自动驾驶的联邦训练此前通常要多轮通信,且多用开环误差衡量,难以反映连续驾驶中的误差累积。FedE2E让每个客户端只上传一次模型权重,服务器用这些模型作教师、以自身数据做知识蒸馏,经多客户端校准、锚点对齐和逐词元共识蒸馏合成全局模型。在CARLA的Bench2Drive闭环评测中,单轮设置下驾驶分55.85,比同样采用蒸馏的FedDF高4.07分,但仍低于集中式训练的63.30。
已读完全部报道