[論文レビュー] Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles

Tengchan Zeng, Omid Semiari+3 more|arXiv (Cornell University)|Feb 5, 2021

Privacy-Preserving Technologies in Data被引用数 11

ひとこと要約

本稿では、連結自動運転車（CAV）間で協調的・分散型学習を実行することにより、自律走行車両コントローラーをトレーニングするための動的フェデレーテッドプロキシ（DFP）学習フレームワークを提案する。移動性、無線チャネルのフェージング、非i.i.d.かつアンバランスなデータを考慮に入れることで、DFPアルゴリズムはFedAvgおよびFedProxと比較して40%高速な収束を達成し、実際の車両データトレースを用いて検証された。

ABSTRACT

A new federated learning (FL) framework enabled by large-scale wireless connectivity is proposed for designing the autonomous controller of connected and autonomous vehicles (CAVs). In this framework, the learning models used by the controllers are collaboratively trained among a group of CAVs. To capture the varying CAV participation in the FL training process and the diverse local data quality among CAVs, a novel dynamic federated proximal (DFP) algorithm is proposed that accounts for the mobility of CAVs, the wireless fading channels, as well as the unbalanced and nonindependent and identically distributed data across CAVs. A rigorous convergence analysis is performed for the proposed algorithm to identify how fast the CAVs converge to using the optimal autonomous controller. In particular, the impacts of varying CAV participation in the FL process and diverse CAV data quality on the convergence of the proposed DFP algorithm are explicitly analyzed. Leveraging this analysis, an incentive mechanism based on contract theory is designed to improve the FL convergence speed. Simulation results using real vehicular data traces show that the proposed DFP-based controller can accurately track the target CAV speed over time and under different traffic scenarios. Moreover, the results show that the proposed DFP algorithm has a much faster convergence compared to popular FL algorithms such as federated averaging (FedAvg) and federated proximal (FedProx). The results also validate the feasibility of the contract-theoretic incentive mechanism and show that the proposed mechanism can improve the convergence speed of the DFP algorithm by 40% compared to the baselines.

研究の動機と目的

• 多様で動的変化する交通状況および道路状況に適応可能な、強固な自律コントローラーの設計という課題に取り組む。
• データ不足や環境の変動性に起因して失敗する従来のフィードバック制御およびローカル学習ベースのコントローラーの限界を克服する。
• フェデレーテッドラーニングを用いてCAV間で協調的・分散型の車両制御モデルトレーニングを可能にし、一般化性能と性能を向上させる。
• 変動するCAV参加状況、無線チャネル状態、および異種のデータ品質を考慮した動的で適応的な学習フレームワークを設計する。
• 契約理論を用いたインcentiveメカニズムを開発し、フェデレーテッドトレーニングプロセスにおける収束速度と参加度を向上させる。

提案手法

• CAVの移動性および無線チャネルフェージングの時間的ダイナミクスをフェデレーテッドラーニング最適化プロセスに統合した動的フェデレーテッドプロキシ（DFP）アルゴリズムを提案する。
• 時間変動するクライアント参加状況およびCAV間での非i.i.d.データ分布を考慮した、確率的最適化問題としてのフェデレーテッドラーニングトレーニングプロセスをモデル化する。
• データの不均一性に起因するトレーニングの不安定化を抑制し、モデルの分散を低減するため、損失関数にプロキシ項を組み込む。
• データ品質および貢献度に基づき、CAVの参加インセンティブをグローバルモデルの収束と一致させる契約理論的インセンティブメカニズムを設計する。
• BDD100Kおよびその他のデータセットからの実際の車両データトレースを用いて、多様な交通シナリオをシミュレートし、コントローラー性能を検証する。
• 収束速度に与えるCAV参加状況の変動およびデータ品質の影響を定量化するため、厳密な収束解析を実施する。

実験結果

リサーチクエスチョン

• RQ1 フェデレーテッドトレーニングにおけるCAV参加状況の変動が、自律コントローラー学習の収束速度に与える影響は何か？
• RQ2 非i.i.d.かつ低品質なローカルデータが、CAVにおけるフェデレーテッドラーニングの性能に与える影響は何か？
• RQ3 動的フェデレーテッドプロキシアルゴリズムは、車両ネットワークにおける移動性および無線チャネル変動を考慮して、トレーニングを効果的に安定化できるか？
• RQ4 契約理論的インセンティブメカニズムは、FLベースのコントローラー学習プロセスにおける収束速度および参加度をどの程度向上できるか？
• RQ5 提案されたDFPベースのコントローラーは、多様な交通シナリオ（停止・再加速、高速道路合流など）において、目標車両速度をどの程度正確に追従できるか？

主な発見

• 提案されたDFPアルゴリズムは、実際の車両データトレースを用いたシミュレーションにおいて、FedAvgおよびFedProxと比較して40%高速な収束を達成した。
• DFPアルゴリズムは、非i.i.d.データおよび変動するCAV参加状況下でもトレーニングを効果的に安定化させ、理論的収束保証を有する。
• 契約理論的インセンティブメカニズムにより、CAVの参加インセンティブをグローバルモデル性能と一致させることで、収束速度が40%向上した。
• DFPベースのコントローラーは、停止・再加速や高速道路合流シナリオを含む多様な交通状況において、目標車両速度を正確に追従した。
• 収束速度分析により、データ品質および参加頻度がFL性能に大きな影響を与えることが確認され、DFPアルゴリズムがこれら要因を効果的に緩和していることが示された。
• シミュレーション結果は、協調学習フレームワークがローカル学習のみに比べ、制御精度および耐障害性の点で顕著に優れていることを示した。