标签
本文介绍了动态影响加权（DIW），一种知识蒸馏方法，通过在训练过程中动态加权来自多个IMU的教师目标，来改进单IMU活动识别，实现了显著的性能提升。
作者使用3D打印、树莓派Pico 2、舵机和手机，结合现代AI构建了一个名为Growbot的微型机器人，能够感知、记忆、移动和互动，并分享了从失败到初具生命感的建造旅程，强调为AI赋予身体带来的改变。
本文系统比较了HARMES数据集上七种最先进的传感器融合方法用于多模态人体活动识别，结果表明门控多模态融合取得了最高的宏F1分数0.82，比基线提高了6个百分点。
本文发现了LLM中介的普适系统中的“权威倒置”现象，即模型更倾向于信任自然语言形式的用户主张而非数值传感器数据。研究提出了几何审计指标（CIR、AAI）和一种推理时校准方法（GAC）来纠正这种偏差，显著提升了准确性。
FusionSense提出了一种面向多模态边缘智能的三阶段近传感器学习框架，通过融合感知滤波同时降低计算与通信开销，在RGB-深度/激光雷达任务上实现高达33倍的能耗节省和显著的数据缩减收益。
提出了一种名为PDRNN的模块化混合AI辅助行人航位推算系统，该系统结合了循环神经网络与分别用于方向、速度和距离估计的独立机器学习模型，并可选地使用基于无线电的稳定。在动态运动数据上的实验表明，与经典方法和基于机器学习的方法相比，其准确性和精度更优。
一位开发者使用Jetson Orin NX和Gemma 4 E4B模型打造了一款名为Sparky的完全离线行李箱机器人，实现了约200毫秒的缓存TTFT和14-15 tok/s的处理速度，通过30多个传感器以自然语言形式将数据输入提示词，全程无网络连接。