一种基于联邦学习的机器人控制方法

    公开(公告)号:CN114800545A

    公开(公告)日:2022-07-29

    申请号:CN202210230205.3

    申请日:2022-03-09

    IPC分类号: B25J11/00 B25J9/16 G06N20/00

    摘要: 本发明提供一种基于联邦学习的机器人控制方法,包括如下步骤:A、聚合节点向各本地节点发送训练请求;B、本地节点利用当前所积累的运行数据在本地模型进行训练,并将训练所得数据发送至聚合节点;C、若聚合计算次数n=1,则计算全模型及对应于该全模型的全准确率,并进入步骤D;若n>N+1,则进入步骤E;D、聚合节点将所有本地节点划分为重要节点和非重要节点,并进入步骤A;E、聚合节点根据重要节点的数据进行聚合计算,并进入步骤F;F、第二周期T2后,需要时向聚合节点发送更新请求,进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平,且能够在保证本地模型精度的前提下,减少聚合计算过程中计算资源的开销及通讯开销。

    一种基于联邦学习的机器人控制方法

    公开(公告)号:CN114800545B

    公开(公告)日:2023-10-27

    申请号:CN202210230205.3

    申请日:2022-03-09

    IPC分类号: G06F30/27 G06N20/00

    摘要: 本发明提供一种基于联邦学习的机器人控制方法,包括如下步骤:A、聚合节点向各本地节点发送训练请求;B、本地节点利用当前所积累的运行数据在本地模型进行训练,并将训练所得数据发送至聚合节点;C、若聚合计算次数n=1,则计算全模型及对应于该全模型的全准确率,并进入步骤D;若n>N+1,则进入步骤E;D、聚合节点将所有本地节点划分为重要节点和非重要节点,并进入步骤A;E、聚合节点根据重要节点的数据进行聚合计算,并进入步骤F;F、第二周期T2后,需要时向聚合节点发送更新请求,进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平,且能够在保证本地模型精度的前提下,减少聚合计算过程中计算资源的开销及通讯开销。