异构联邦学习在无人系统中的研究综述.pdfVIP

４２３Ｖｏｌ４２Ｎｏ３

第卷第期计算机应用研究

２０２５３ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＭａｒ．２０２５

年月

异构联邦学习在无人系统中的研究综述

１，２１，２１，２

，，

俞浩范菁孙伊航

（１．，６５００００；２．，６５０５００）

云南民族大学电气信息工程学院昆明云南省无人自主系统重点实验室昆明

：（ｈｅｔｅｒｏｇｅｎｅｏｕｓｆｅｄｅｒａｔｅｄｌｅａｒｎｉｎｇ，ＨＦＬ）

摘要异构联邦学习是一种用于解决数据和设备异构性问题的分布式

，。（、）

机器学习方法广泛应用于包括无人系统在内的多种场景随着无人系统如无人机自动驾驶车辆的快速发

，（ｎｏｎＩＩＤ），

展如何有效应对非独立同分布数据及设备计算能力差异已成为提升联邦学习效率和性能的重要挑

。，、，

战综述了异构联邦学习在无人系统中的最新研究进展重点分析了数据设备及模型异构性带来的主要问题

，、。

并总结了现有的解决方案如分层联邦学习模型压缩与剪枝技术在此领域的应用还讨论了这些技术的实际

，，，

应用场景评估了它们的优缺点并提出了未来可能的研究方向以进一步提升无人系统中的联邦学习性能和数

据隐私保护水平。

：；；；；

关键词联邦学习异构性无人系统非独立同分布数据隐私

中图分类号：ＴＰ３９９文献标志码：Ａ文章编号：１００１３６９５（２０２５）０３００１０６４１０９

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０７．０２５６

Ｒｅｖｉｅｗｏｆｒｅｓｅａｒｃｈｏｎｈｅｔｅｒｏｇｅｎｅｏｕｓｆｅｄｅｒａｔｅｄｌｅａｒｎｉｎｇｉｎｕｎｍａｎｎｅｄｓｙｓｔｅｍｓ

１，２１，２１，２

ＹｕＨａｏ，ＦａｎＪｉｎｇ，ＳｕｎＹｉｈａｎｇ

（１．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＹｕｎｎａｎＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５００００，Ｃｈｉｎａ；２．ＹｕｎｎａｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＵｎ

ｍａｎｎｅｄＡｕｔｏｎｏｍｏｕｓＳｙｓｔｅｍ，Ｋｕｎｍｉｎｇ６５０５００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＨＦＬｉｓａｄｉｓｔｒｉｂｕｔｅｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｄｅｓｉｇｎｅｄｔｏａｄｄｒｅｓｓｔｈｅｃｈａｌｌｅｎｇｅｓｏｆｄａｔａａｎｄｄｅｖｉｃｅｈｅｔｅｒｏｇｅｎ