基于低秩分解的自动驾驶持续学习模型构建方法及系统

本发明提供了一种基于低秩分解的自动驾驶持续学习模型构建方法及系统，通过对不同自动驾驶任务间进行参数分割，采用稳定性和鲁棒性更好的部分范围参数更新的方式，将模型参数分解为任务共享参数和任务私有参数，并对引入的任务私有参数进行矩阵低秩分解及低秩近似，在低秩近似的过程中，通过主动秩选择方式将更高的保留秩分配给贡献更大的神经网络层，进而构建具有高性能和高鲁棒性的自动驾驶持续学习模型框架，有效保障了自动驾驶持续学习模型对有限存储空间与算力的高效利用，实现了在车端以最少的模型尺寸增长为代价达到最好的新、旧任务准确性。