标签
该论文提出了一种接触式多模态筛查框架，利用与 Amazon Alexa 交互过程中采集的视频、音频和文本信号来检测轻度认知障碍（MCI），实验表明多模态融合模型在 Command-Reading 和 Question-Answering 任务上均达到 0.76 的准确率，优于单一模态模型。
一篇物理教育论文，展示了如何利用智能手机的加速度计和陀螺仪数据，通过基于四元数的姿态积分与漂移校正，重建过山车和摆锤海盗船等游乐设施的三维轨迹，从而实现牛顿力学与能量分析的教学应用。
DyRAD 提出了一种面向动态驾驶场景的雷达新视角合成方法，通过建模静态背景与经运动跟踪的动态点反射器，渲染出完整的距离-方位-多普勒张量；该方法使用固定的解析点扩散函数，从而实现零样本的传感器配置迁移，并在 RADIal 基准上大幅超越基线方法。
本文针对多智能体系统中的多输出回归问题，开发了两种资源高效的分布式递归高斯过程算法，在降低通信开销的同时保持估计精度。
GaitVista是一个可靠性感知的AI测量层，它使用轻量级门控机制，从摄像头和惯性传感器数据中分配关节特定的视觉贡献，以减少错误并提高在无障碍环境中纵向步态评估的准确性。
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。