无需共享数据即可实现多智能体协作定位，保护隐私的同时保持较高定位精度。
Ye, Fangwen · Wang, Ran · Sisui, Tang · 段世红 · 徐诚
International Journal of Wireless Information Networks 2023
利用联邦学习框架，中央节点聚合本地模型而非数据，从根源上避免数据离开本地，保护智能体隐私。
在隐私保护前提下，联邦模型仍能达到与集中式模型相当的定位精度。
面对不同数据分布时，联邦模型表现出稳健性和泛化性能，可适应异构数据场景。
当遇到新场景时，联邦模型展现出优秀的迁移性能，便于快速部署到新环境。