Privacy-Preserving Active Learning for bio-inspired soft robotics maintenance during mission-critical recovery windows

Diese Forschung untersucht die Kombination von datenschutzfreundlichem maschinellem Lernen, insbesondere Differential Privacy und Active Learning, für die Wartung von bio-inspirierter Softrobotik. Die Arbeit befasst sich mit der Herausforderung, prädiktive Wartungsmodelle neu zu trainieren, ohne proprietäre Daten während kritischer Wiederherstellungsfenster preiszugeben.