多模态信息融合

Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems

Ultra-Fusion：面向传感器退化与时空扰动下智能交通系统的鲁棒紧耦合多传感器融合SLAM框架

Yihong Tian, Junjie Zhang, Liuyang Li, Deteng Zhang, Yunfei Zuo, Jie Yin

机构 * Beijing Institute of Technology（北京理工大学） ； Chongqing University（重庆大学） ； Sichuan University（四川大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出Ultra-Fusion紧耦合多传感器融合SLAM框架，通过可观测性感知初始化、因子级可靠性调度和在线LiDAR-IMU时空标定，在传感器退化与时空扰动下实现鲁棒定位，在多种平台和基准上验证了高精度与可用性。

Comments 19 pages

Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Sensor Fusion

高效无监督领域适应回归用于空间-时间传感器融合

Keivan Faghih Niresi, Ismail Nejjar, Olga Fink

机构 * Intelligent Maintenance and Operations Systems Laboratory, EPFL（智能维护与操作系统实验室，瑞士联邦理工学院） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 eess.SP

AI总结 本文提出一种针对回归任务的高效无监督领域适应方法，通过整合空间-时间图神经网络和源目标域扰动逆Gram矩阵对齐，实现无标注数据下的可扩展领域适应，验证于空气质量监测和EEG信号重建任务，取得最佳性能。

Comments Accepted to IEEE Internet of Things Journal

Online Learning of Robust Legged Odometry with Minimal Exteroceptive Supervision

最小外感受监督下的鲁棒腿式里程计在线学习

Abhijeet M. Kulkarni, Yuze Du, Guoquan Huang

机构 * University of Delaware（德克萨斯大学） 纠错

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

AI总结 提出一种即插即用的鲁棒腿式里程计系统，利用外感受运动管线作为监督信号在线学习速度神经网络，并结合不变扩展卡尔曼滤波器融合数据，无需传感器标定或运动学建模，在不同四足平台上验证了其适应性和鲁棒性。