1.一种基于多层分布式学习的协作感知系统，其特征在于，所述系统包括云中心、边缘主动学习平台以及无人终端平台；所述云中心包括云端中心服务器和边缘聚合服务器；所述云端中心服务器用于对各个边缘节点进行动态聚类以获得聚类分组信息，并将所述聚类分组信息发送至所述边缘聚合服务器；所述边缘聚合服务器用于根据所述聚类分组信息选择与所述各个边缘节点对应的所述边缘主动学习平台加入边缘聚簇，以获得边缘聚合模型；所述边缘主动学习平台用于接收所述边缘聚合模型并将所述边缘聚合模型装载到与所述各个边缘节点对应的所述无人终端平台上；所述云端中心服务器还用于优化所述边缘聚合模型；所述云端中心服务器包括领域先验知识库；所述优化所述边缘聚合模型，包括：利用所述领域先验知识库对所述边缘节点上传的疑难样本打上软标签；以及利用所述打上软标签的疑难样本对所述边缘聚合模型进行知识蒸馏；所述云端中心服务器还用于将所述打上软标签的疑难样本实时下发给所述边缘主动学习平台；所述边缘主动学习平台利用所述打上软标签的疑难样本对边缘模型进行训练并将训练后的边缘模型上传至所述云中心；所述获得边缘聚合模型，包括：聚合所述边缘聚簇内的所述边缘模型，以生成所述边缘聚合模型；所述边缘聚合服务器还用于将所述知识蒸馏后的边缘聚合模型发送至所述边缘聚簇内的所有所述边缘节点，以替换所述边缘节点内的原有边缘模型。
2.根据权利要求1所述的基于多层分布式学习的协作感知系统，其特征在于：所述无人终端平台用于收集带有伪标签的数据；所述边缘主动学习平台结合所述带有伪标签的数据和所述打上软标签的疑难样本，形成训练数据集；所述边缘主动学习平台基于所述训练数据集对所述边缘模型进行训练。
3.根据权利要求2所述的基于多层分布式学习的协作感知系统，其特征在于：所述边缘主动学习平台利用主动学习策略从所述打上软标签的疑难样本中筛选出第一样本，并将所述第一样本上传至所述云中心；其中，所述边缘模型对所述第一样本的分类置信度低于预设阈值。
4.一种应用于权利要求1-3任一项所述协作感知系统的持续学习方法，其特征在于，包括：所述云端中心服务器对各个边缘节点进行动态聚类以获得聚类分组信息，并将所述聚类分组信息发送至所述边缘聚合服务器；所述边缘聚合服务器根据所述聚类分组信息选择与所述各个边缘节点对应的所述边缘主动学习平台加入边缘聚簇，以获得边缘聚合模型；所述云端中心服务器对所述边缘聚合模型进行优化；所述优化所述边缘聚合模型，包括：利用领域先验知识库对所述边缘节点上传的疑难样本打上软标签；以及利用所述打上软标签的疑难样本对所述边缘聚合模型进行知识蒸馏；所述云端中心服务器将所述打上软标签的疑难样本实时下发给所述边缘主动学习平台；所述边缘主动学习平台利用所述打上软标签的疑难样本对边缘模型进行训练并将训练后的边缘模型上传至所述云中心；所述边缘主动学习平台接收优化后的边缘聚合模型并将优化后的边缘聚合模型装载到与所述各个边缘节点对应的所述无人终端平台上。
5.根据权利要求4所述的持续学习方法，其特征在于，还包括：所述无人终端平台收集带有伪标签的数据；所述边缘主动学习平台利用所述打上软标签的疑难样本对边缘模型进行训练，包括：所述边缘主动学习平台结合所述带有伪标签的数据和所述打上软标签的疑难样本，形成训练数据集；以及所述边缘主动学习平台基于所述训练数据集对所述边缘模型进行训练。
