UNIST推出FeDepth：跨机器人数据联邦学习提升深度估计精度
UNIST研发的FeDepth采用联邦学习，将视觉相似的机器人分组进行深度估计模型训练，提升了跨机器人数据的利用效率。
实验表明，FeDepth相比传统联邦学习可将距离估计误差降低17%‑32%，并在多组软聚类方案下进一步降低约6%。
该技术无需传输原始视频，兼顾隐私保护和通信成本，适用于自动驾驶、物流、服务机器人、灾害救援等多个领域。
机器人 AI NIST 人工智能 摄像头 无人机 自动驾驶 基金
UNIST推出FeDepth：跨机器人数据联邦学习提升深度估计精度
UNIST研发的FeDepth采用联邦学习，将视觉相似的机器人分组进行深度估计模型训练，提升了跨机器人数据的利用效率。
实验表明，FeDepth相比传统联邦学习可将距离估计误差降低17%‑32%，并在多组软聚类方案下进一步降低约6%。
该技术无需传输原始视频，兼顾隐私保护和通信成本，适用于自动驾驶、物流、服务机器人、灾害救援等多个领域。
机器人 AI NIST 人工智能 摄像头 无人机 自动驾驶 基金
![华为鸿蒙7！主打带空间感的审美~[滑稽笑]小艺智能部分也有大升级。华为发布会](http://image.uczzd.cn/12591426508197123683.jpg?id=0)
