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

盖世汽车讯 据外媒报道，纽约大学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。

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。”

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。