כתבה
arXiv cs.AI ·
למידה פדרטיבית מודלית-נפרדת להגנה על פרטיות בבינה מבוססת גוף ב-6G
Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G
המאמר עוסק בלמידה פדרטיבית מודלית-נפרדת להגנה על פרטיות בבינה מבוססת גוף ב-6G. הפרויקט FedMVLA, המשלב שלושה מנגנונים, מציע פתרון לבעיות של הגנה על פרטיות, יעילות תקשורת והטרוגניות בין נתיבי המודל.
תקציר מקורי באנגליתarXiv:2609.09591v1 Announce Type: cross Abstract: Sixth-generation (6G) wireless networks are expected to provide a key infrastructure for large-scale embodied intelligence, where heterogeneous robots collaborate through low-latency connectivity, edge intelligence, and distributed sensing. Vision-language-action (VLA) models offer a foundation by integrating visual perception, language understanding, and action generation into a unified closed-loop policy. However, training and adapting VLA models to distributed robotic agents introduce challenges in privacy protection, communication efficiency, and model heterogeneity. Existing federated learning (FL) methods overlook the intrinsic differences among vision, language, and action pathways in parameter scale, privacy exposure, update dynamic
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית