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

Cette recherche explore la combinaison de l'apprentissage automatique respectueux de la vie privée, notamment la confidentialité différentielle et l'apprentissage actif, pour la maintenance de la robotique souple bio-inspirée. Ce travail répond au défi de la reformation des modèles de maintenance prédictive sans exposer les données propriétaires pendant les fenêtres de récupération critiques.