Sparse Federated Representation Learning for deep-sea exploration habitat design for low-power autonomous deployments

L'auteur explore l'apprentissage fédéré pour surmonter les défis de latence des données volumineuses de capteurs de véhicules autonomes multi-robotiques, visant à optimiser le traitement dans des environnements à faible bande passante. Cette approche recherche une alternative distribuée à la synchronisation centralisée des données, via des mises à jour de modèles distribués.