В Инженерной школе Тандон Нью-Йоркского университета (NYU Tandon) разработали инновационный подход к обмену информацией между беспилотными автомобилями. Этот метод, названный Cached Decentralized Federated Learning (Cached-DFL), позволяет машинам обмениваться обученными моделями ИИ, а не сырыми данными, что повышает их способность адаптироваться к новым дорожным условиям без непосредственных встреч.
Разработчики под руководством профессора Юн Лю создали систему, которая позволяет автомобилям учиться у других, даже если они никогда не были в том же месте. Например, машина, ездившая только по Манхэттену, может узнать о дорожных условиях в Бруклине от других машин.
Проект был представлен на конференции Ассоциации по развитию искусственного интеллекта 27 февраля. Исследователи протестировали свою систему с помощью компьютерных симуляций на карте Манхэттена.
Cached-DFL обеспечивает конфиденциальность, поскольку распространяются не данные о дорожных условиях, а модели, созданные на их основе. Это делает каждое транспортное средство умнее и лучше подготовленным к новым ситуациям.
Автомобили соединяются по высокоскоростному каналу, когда они находятся в пределах 100 метров друг от друга, и обмениваются обученными моделями. Каждая машина хранит до 10 внешних моделей и обновляет свой ИИ каждые две минуты.