Aprendizaje Federado en Dispositivos de Realidad Virtual Autónomos

Abstract

El Aprendizaje Federado destaca como una estrategia que permite entrenar modelos en dispositivos con bajas capacidades de computación, manteniendo la privacidad de los datos. Sin embargo, en dominios estrictos y con un gran fuljo de información, su implantación todavía supone retos debido a la necesidad de algoritmos especializados. Especialmente, la Realidad Virtual presenta desafíos únicos al implicar la conexión a diversas fuentes de datos con latencia crítica. Tradicionalmente, el entrenamiento de algoritmos en Realidad Virtual requería conexión constante a equipos informáticos, limitando su versatilidad. Avances recientes han mejorado las capacidades computacionales de dispositivos de Realidad Virtual, permitiéndoles realizar tareas computacionales de manera autónoma. Este trabajo aborda el desafío de entrenar una red neuronal distribuida en dispositivos de Realidad Virtual, con el objetivo de desarrollar un modelo colaborativo y centralizado en la nube.