多模态信息融合

NERVE: A Neuromorphic Vision and Radar Ensemble for Multi-Sensor Fusion Research

NERVE：一种用于多传感器融合研究的神经形态视觉与雷达集成系统

Omar Mansour, Pietro Martinello, Ethan Milon, YingFu Xu, Manolis Sifalakis, Guangzhi Tang, Amirreza Yousefzadeh

机构 * 1University of Twente, Netherlands 2University of Modena ； 3University of Strasbourg, France 4IMEC the Netherlands, Netherlands ； 5Innatera, Netherlands 6Maastricht University, Netherlands 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title)；multi-sensor fusion(title)；multi-modal fusion(abstract)；分类 cs.CV

AI总结 NERVE包含257分钟同步记录的多传感器数据，用于评估多模态融合，通过DVS与雷达结合提升人体检测和距离估计性能。

Comments To be published in ICJNN 2026 Maastricht

Distribution Transformers: Fast Approximate Bayesian Inference With On-The-Fly Prior Adaptation

分布变换器：通过实时先验适应实现快速近似贝叶斯推断

George Whittle, Juliusz Ziomek, Jacob Rawling, Maike A. Osborne

机构 * Mind Foundry Ltd（Mind Foundry有限公司） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 本文提出分布变换器，一种能够学习任意分布到分布映射的新型架构，通过实时先验适应实现快速近似贝叶斯推断，显著降低计算时间并达到与现有方法相当或更优的对数似然性能。

Comments Spotlight acceptance at ICML 2026

Inertial-Based LQG Control: A New Look at Inverted Pendulum Stabilization

基于惯性力学的LQG控制：对倒立摆稳定化的新视角

Daniel Engelsman, Itzik Klein

专题命中 机器人多传感器融合 ：sensor fusion(abstract)

AI总结 本文提出利用局部微分平坦性将高阶动力学纳入系统模型，改进LQG控制器以更稳健地稳定动态稳定移动平台，尤其在传感器有限的户外环境中。

Comments 11 pages, 10 figures, 5 tables

Journal ref International Journal of Mechanical System Dynamics, 2026

Parametric and State Estimation of Stationary MEMS-IMUs: A Tutorial

参数与状态估计在静态MEMS惯性测量单元中的应用：教程

Daniel Engelsman, Yair Stolero, Itzik Klein

专题命中 机器人多传感器融合 ：information fusion(abstract)

AI总结 本文探讨了静态MEMS惯性测量单元的参数与状态估计方法，分析了误差与时间、传感器数量的关系，并通过实验验证了多传感器应用的潜力。

Journal ref IEEE Access, volume 12, pages 148592-148604, 2024