面向隐私保护的机器人大模型云边端协同推理与联邦学习系统

本发明属于智能边缘系统与隐私增强计算领域，具体说是面向隐私保护的机器人大模型云边端协同推理与联邦学习系统，包括：云端服务器层用于部署大规模预训练模型，执行复杂推理与全局联邦学习协调；边缘计算层用于部署中间层模型，执行本地数据聚合、隐私保护处理及中间特征计算；终端设备层，用于部署轻量级模型，执行数据采集、初步处理及轻量级推理；联邦学习框架用于对模型优化；隐私保护模块用于集成数据本地化、差分隐私、同态加密、安全多方计算及区块链验证机制；自适应分配模块用于动态调整计算资源。本发明解决了传统AI服务在机器人场景中面临的隐私泄露风险、计算资源受限、网络延迟和数据隔离不足等问题，实现了高效的隐私保护和数据安全隔离。