imu

本文研究通过 e-scooter 车载传感器（IMU、油门/刹车位置）数据结合机器学习检测骑行者酒精中毒，利用排列熵与标准差提取运动学特征，逻辑回归分类器在留一被试交叉验证下达到 85% 准确率和 0.94 的 AuROC。

本文提出FLISP，一种基于单LiDAR-IMU套件实现UGV-UAV协同隧道巡检的无地图路径规划框架，在1.2公里隧道中达到100%成功率和7毫秒延迟。

《莱顿人工智能与数学宣言》呼吁采取行动，应对人工智能在数学研究中带来的挑战与机遇，强调伦理价值观和责任。该宣言已获得国际数学联盟的认可。

本文系统地探索了混合 KAN 和 MLP 架构用于基于 IMU 的人类活动识别，相比纯 MLP 基线实现了 5.33% 的平均宏 F1 改进。