FedE2E:端到端自动驾驶单轮联邦学习方法
热点事件持续更新
FedE2E:端到端自动驾驶单轮联邦学习方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Tao Lian、Antonio M. López 提出面向端到端自动驾驶的一次性(单轮)联邦学习方法 FedE2E,通过多客户端校准、基于锚点的特征对齐和 token 级共识蒸馏,从异构模型中提炼知识。 在 Bench2Drive 闭环评测中,FedE2E 在一次性设置下驾驶得分 55.85,比先前工作高 4.07 分;多轮设置下经五轮通信达到 60.35,为同等通信轮数下对比方法中的最佳表现。
AI 根据报道生成 · 57 分钟前更新
最新进展11月20日 13:00
FedE2E:面向端到端自动驾驶的一次性联邦学习方法与闭环评测报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIFedE2E:面向端到端自动驾驶的一次性联邦学习方法与闭环评测
FedE2E 是一种面向端到端自动驾驶的一次性联邦学习方法,通过多客户端校准、基于锚点的特征对齐和 token 级共识蒸馏,从异构模型中提炼知识。在 Bench2Drive 闭环评测中,一次性设置下驾驶得分达 55.85,比先前工作高 4.07 分;多轮设置下经五轮通信达到 60.35,为同等通信轮数下对比方法中的最佳表现。
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。