Federated Graph Neural Network Techniques for Decentralized Autonomous Robots Data Fusion

Abstract

Abstract : This research work focuses on federated learning applied to graph neural networks for object detection by autonomous robots. Federated learning is an innovative technique that allows training a shared model among multiple entities without having to share their original data, thus ensuring the confidentiality and security of information. This technique is particularly suitable for scenarios where data is distributed among multiple robots or devices, which poses challenges in terms of centralized access to data, communication bandwidth, and data heterogeneity. Graph neural networks are powerful tools that can learn from data structured as graphs, capturing complex relationships and dependencies between nodes and edges of a graph. To carry out this work, I started by conducting a literature review to explore the different existing approaches that aim to overcome the limitations mentioned above. I found that there are a limited number of articles specifically addressing this topic.***

Résumé : Ce travail de recherche porte sur l’apprentissage fédéré appliqué aux réseaux neuronaux graphiques pour la détection d’objets par des robots autonomes. L’apprentissage fédéré est une technique innovante qui permet d’entraîner un modèle partagé entre plusieurs entités sans avoir besoin de partager leurs données originales, garantissant ainsi la confidentialité et la sécurité des informations. Cette technique est particulièrement adaptée aux scénarios où les données sont réparties entre plusieurs robots ou appareils, ce qui pose des défis en termes d’accès centralisé aux données, de bande passante de communication et d’hétérogénéité des données. Les réseaux neuronaux graphiques sont des outils puissants capables d’apprendre à partir de données structurées sous forme de graphes, capturant ainsi les relations complexes et les dépendances entre les noeuds et les arêtes d’un graphe. Pour réaliser ce travail, j’ai commencé par effectuer une revue de la littérature afin d’explorer les différentes approches existantes qui visent à surmonter les limitations mentionnées ci-dessus. J’ai constaté qu’il existe un nombre limité d’articles traitant spécifiquement de ce sujet.