研究者らは、電気自動車が新しい未見のデータ分布に対して事前学習済みバッテリー電力予測モデルを継続的に適応させることができる、端末内学習のための手法を導入した。このアプローチは、既存のモデルを初期トレーニングからの重要なハイパーパラメータ知識を保持しつつ、リソース制約のあるシステムで継続的な更新を可能にする適応可能なバージョンに変換する。

  • 本研究では、EV向けのオンラインおよびオフラインのモデル適応戦略の両方を調査した。
  • オンライン適応手法は、最大7.49%の平均絶対誤差の削減を実現した。
  • オフライン適応手法は、最大14.88%の平均絶対誤差の削減を実現した。
  • 結果は、さまざまなモデルや時間範囲にわたって予測性能の大幅な改善を示している。

本研究は、現実世界のEVシナリオにおいて未適応モデルの展開と比較して、強化されたバッテリー電力予測をもたらす、端末内適応の大きな利点を浮き彫りにしている。