多模态信息融合

Memory-Augmented LSTM Autoencoder for Unsupervised Activity Recognition with IMU Sensor Fusion

记忆增强的LSTM自编码器用于基于IMU传感器融合的无监督活动识别

Saeid Arabzadeh, Farshad Almasganj, Mohammad Mahdi Ahmadi

机构 * Faculty of Biomedical Engineering, Amirkabir University of Technology (Tehran Polytechnic)（生物医学工程学院，阿米尔卡比尔技术大学（德黑兰理工大学）） 纠错

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

AI总结 提出一种完全无监督的时空特征融合框架，使用记忆增强自编码器，通过短时间窗口的多传感器IMU数据增强活动表示，在DaLiAc和PAMAP2上分别达到96.6%和98.4%的准确率，超越监督和无监督方法。

GaRLILEO: Gravity-aligned Radar-Leg-Inertial Enhanced Odometry

GaRLILEO：基于重力对齐的雷达-腿-惯性增强里程计

Chiyun Noh, Sangwoo Jung, Hanjun Kim, Yafei Hu, Laura Herlant, Ayoung Kim

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

AI总结 本文提出GaRLILEO，一种基于重力对齐的雷达-腿-惯性增强里程计框架，通过连续时间 ego-velocity spline 和软 S2-constrained 重力因子提升垂直姿态估计精度，适用于复杂地形导航。

Comments Accepted for publication at the International Journal of Robotics Research on 30 April, 2026