多模态信息融合

Radar and Acoustic Sensor Fusion using a Transformer Encoder for Robust Drone Detection and Classification

基于Transformer编码器的雷达与声学传感器融合用于鲁棒的无人机检测与分类

Gevindu Ganganath, Pasindu Sankalpa, Samal Punsara, Demitha Pasindu, Chamira U. S. Edussooriya, Ranga Rodrigo, Udaya S. K. P. Miriya Thanthrige

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

AI总结 针对无人机入侵安全问题，提出雷达与声学传感器融合的Transformer编码器方法，利用原始声学信号减少参数，在户外实验中优于现有技术。

Comments Accepted at IEEE 12$^{\text{th}}$~Moratuwa Engineering Research Conference 2026 (MERCon 2026)

Journal ref IEEE 12th Moratuwa Engineering Research Conference 2026 (MERCon 2026)

Sensor Fusion for Robot Control through Deep Reinforcement Learning

通过深度强化学习实现机器人控制的传感器融合

Steven Bohez, Tim Verbelen, Elias De Coninck, Bert Vankeirsbilck, Pieter Simoens, Bart Dhoedt

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

AI总结 本文提出通过深度强化学习实现机器人传感器信息融合，提升机器人在搜索和拾取任务中的鲁棒性和性能。

Comments 6 pages, 6 figures, submitted to IROS 2017

Multi-sensor perceptual system for mobile robot and sensor fusion-based localization

多传感器感知系统用于移动机器人及基于传感器融合的定位

T. T. Hoang, P. M. Duong, N. T. T. Van, D. A. Viet, T. Q. Vinh

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

AI总结 本文提出一种扩展卡尔曼滤波方法，用于利用双四象限编码器、指南针、激光雷达和全方位摄像头对移动机器人进行定位，通过融合多种传感器数据实现高效定位。

Comments In 2012 International Conference on Control, Automation and Information Sciences (ICCAIS). arXiv admin note: substantial text overlap with arXiv:1611.07112

Multimodal Fusion via Self-Consistent Task-Gradient Fields

通过自洽任务梯度场的多模态融合

Jiayu Xiong, Jing Wang, Jun Xue, Wanlong Wang, Jianlong Kwan, Xiaosen Lyu, Zhouqiang Jiang

机构 * Xiamen Key Laboratory of Computer Vision and Pattern Recognition, Huaqiao University, Xiamen, Fujian, China（厦门计算机视觉与模式识别重点实验室，华侨大学，厦门，福建，中国） ； Huaqiao University, Xiamen, Fujian, China（华侨大学，厦门，福建，中国） ； Wuhan University, Wuhan, Hubei, China（武汉大学，武汉，湖北，中国） ； Nakashima Lab, SANKEN, The University of Osaka, Osaka, Japan（Nakashima实验室，SANKEN，大阪大学，大阪，日本） 纠错

专题命中 机器人多传感器融合 ：multimodal fusion(title)；分类 cs.CV

AI总结 提出自洽场自编码器（SCFAE），利用自洽场原理平衡任务学习与特征组织，通过任务损失和重构损失在互补子空间中分离特征，从而鲁棒处理缺失数据和不均匀输入。

Comments ICML 2026 accepted paper

RADIO-ViPE: Online Tightly Coupled Multi-Modal Fusion for Open-Vocabulary Semantic SLAM in Dynamic Environments

RADIO-ViPE：面向动态环境的在线紧密耦合多模态融合用于开放词汇语义SLAM

Zaid Nasser, Mikhail Iumanov, Tianhao Li, Maxim Popov, Jaafar Mahmoud, Sergey Kolyubin

机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机电学与高效能机器人实验室，ITMO大学） 纠错

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

AI总结 RADIO-ViPE通过在线多模态融合实现动态环境中开放词汇语义SLAM，无需校准RGB-D输入，结合视觉与语言嵌入提升地图一致性。

Low-Cost Sensor Fusion Framework for Organic Substance Classification and Quality Control Using Classification Methods

低成本传感器融合框架用于有机物质分类和质量控制的分类方法

Borhan Uddin Chowdhury, Damian Valles, Md Raf E Ul Shougat

机构 * Ingram School of Engineering（英格拉姆工程学院） ； Texas State University（德克萨斯州立大学） 纠错

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

AI总结 本文提出基于Arduino Mega 2560的低成本传感器融合框架，利用分类方法对有机物质进行快速非破坏性分类和质量控制，通过特征选择和机器学习模型实现高准确率识别。

Comments Copyright 2025 IEEE. This is the author's version of the work accepted for publication in FMLDS 2025. The final version will be published by IEEE and available via DOI (to be inserted when available). Accepted at FMLDS 2025, to appear in IEEE Xplore. 8 pages, 17 figures, 3 tables

Journal ref 2025 IEEE International Conference on Frontiers in Machine Learning and Data Science (FMLDS), IEEE, 2025

Adaptive Quantized Planetary Crater Detection System for Autonomous Space Exploration

自适应量化行星陨石坑检测系统用于自主太空探索

Aditri Paul, Archan Paul

机构 * Manipal University Jaipur（曼那尔大学斋普尔） 纠错

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

AI总结 本文提出自适应量化行星陨石坑检测系统，通过量化感知网络和自适应多传感器融合模块，在有限资源下实现高精度陨石坑检测。

Comments 14 pages, 7 figures. A foundational architectural blueprint for a deep-learning-based planetary crater detection system utilizing INT8 quantization and adaptive multi-sensor fusion for resource-constrained spaceflight hardware

Towards Versatile Opti-Acoustic Sensor Fusion and Volumetric Mapping

迈向多功能光学-声学传感器融合与体积分层映射

Ivana Collado-Gonzalez, John McConnell, Brendan Englot

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

AI总结 本文提出融合立体声纳与单目相机的体积分层映射框架，以应对不同能见度条件下的安全导航问题，通过解决声纳视场重叠带来的垂直模糊问题，生成可靠的3D点云。

Comments To appear at ICRA 2026 in Vienna, Austria

Decentralized Cooperative Localization for Multi-Robot Systems with Asynchronous Sensor Fusion

多机器人系统中异步传感器融合的去中心化协同定位

Nivand Khosravi, Niusha Khosravi, Mohammad Bozorg, Masoud S. Bahraini

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

AI总结 本文提出了一种去中心化协同定位框架，通过局部卡尔曼滤波和异步传感器融合实现多机器人系统的可靠定位，实验显示其在特征稀疏环境中优于集中式方法。

Comments Presented at the 13th RSI International Conference on Robotics and Mechatronics (ICRoM 2025)

TEGA: A Tactile-Enhanced Grasping Assistant for Assistive Robotics via Sensor Fusion and Closed-Loop Haptic Feedback

TEGA: 一种通过传感器融合和闭环触觉反馈的触觉增强抓取助手用于辅助机器人

Hengxu You, Tianyu Zhou, Fang Xu, Kaleb Smith, Eric Jing Du

机构 * Department of Civil and Coastal Engineering, University of Florida（土木与海岸工程系，佛罗里达大学） ； Nvidia（英伟达） 纠错

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

AI总结 TEGA通过融合EMG意图到力推断与触觉传感，提供闭环触觉反馈，提升残疾用户抓取稳定性与任务成功率。

Comments Accepted to include in ICRA 2026

Accurate Pedestrian Tracking in Urban Canyons: A Multi-Modal Fusion Approach

城市峡谷中精确的人行道跟踪：一种多模态融合方法

Shahar Dubiner, Peng Ren, Roberto Manduchi

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

AI总结 本文提出一种多模态融合方法，通过融合GNSS和惯性数据提升城市峡谷中行人定位精度，优于单独使用GNSS或惯性导航。

A brain-inspired information fusion method for enhancing robot GPS outages navigation

一种受大脑启发的信息融合方法，用于增强机器人GPS失灵时的导航

Yaohua Liu, Hengjun Zhang, Binkai Ou

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； School of Electronic Engineering and Automation, Guilin University of Electronic Technology（桂林电子科技大学电子工程与自动化学院） ； Innovation and Research and Development Department, BoardWare Information System Company Ltd（BoardWare信息系统公司创新与研发部） 纠错

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

AI总结 本文提出了一种基于脉冲神经网络的脑启发GPS/INS融合方法，用于提升机器人在GPS失灵时的导航精度和可靠性。

AquaFusionNet: Lightweight VisionSensor Fusion Framework for Real-Time Pathogen Detection and Water Quality Anomaly Prediction on Edge Devices

AquaFusionNet：轻量级视觉传感器融合框架，用于边缘设备上的实时病原体检测和水质异常预测

Sepyan Purnama Kristanto, Lutfi Hakim, Hermansyah

机构 * Department of Informatics Engineering, Politeknik Negeri Banyuwangi（信息工程系，普特里克国家理工学院巴扬威angi分校） ； Balai Besar Teknik Kesehatan Lingkungan dan P2B Surabaya（环境与P2B技术研究所Surabaya） 纠错

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

AI总结 AquaFusionNet通过跨模态融合提升边缘设备上病原体检测和水质异常预测的准确率与效率。

Comments 9Pages, 3 figure, Politeknik Negeri Banyuwangi

Real-Time Obstacle Avoidance for a Mobile Robot Using CNN-Based Sensor Fusion

基于CNN传感器融合的移动机器人实时障碍规避

Lamiaa H. Zain

机构 * School of Engineering（工程学院） ； Applied Science SESC Research Center, MECT Program（应用科学SESC研究中心，MECT项目） ； Nile University（尼罗大学） ； Giza, Egypt（埃及吉兹） 纠错

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

AI总结 本文提出基于CNN的传感器融合方法，用于移动机器人在复杂环境中实时规避障碍，NetConEmb模型在精度和鲁棒性上表现最优。

Target Tracking via LiDAR-RADAR Sensor Fusion for Autonomous Racing

Marcello Cellina, Matteo Corno, Sergio Matteo Savaresi

机构 * Dipartimento di Elettronica, Informazione e Bioingegneria (DEIB), Politecnico di Milano（电子、信息与生物工程系（DEIB），米兰理工大学） 纠错

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

Comments IEEE Conference, 6 pages

Layer-Wise Modality Decomposition for Interpretable Multimodal Sensor Fusion

Jaehyun Park, Konyul Park, Daehun Kim, Junseo Park, Jun Won Choi

机构 * Seoul National University（首尔国立大学） 纠错

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

Comments Accepted to NeurIPS 2025

AI-Enhanced Kinematic Modeling of Flexible Manipulators Using Multi-IMU Sensor Fusion

Amir Hossein Barjini, Jouni Mattila

机构 * Department of Automation Technology and Mechanical Engineering at Tampere University（塔尔皮奥大学自动化技术与机械工程系） 纠错

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

V-SenseDrive: A Privacy-Preserving Road Video and In-Vehicle Sensor Fusion Framework for Road Safety & Driver Behaviour Modelling

Muhammad Naveed, Nazia Perwaiz, Sidra Sultana, Mohaira Ahmad, Muhammad Moazam Fraz

机构 * School of Electrical Engineering and Computer Science (SEECS), National University of Sciences and Technology (NUST)（电气工程与计算机科学学院（SEECS），国立科学与技术大学（NUST）） 纠错

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

Self-Supervised Sparse Sensor Fusion for Long Range Perception

Edoardo Palladin, Samuel Brucker, Filippo Ghilotti, Praveen Narayanan, Mario Bijelic, Felix Heide

机构 * Torc Robotics（Torc机器人公司） ； Princeton University（普林斯顿大学） 纠错

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

Multi-IMU Sensor Fusion for Legged Robots

Shuo Yang, Zixin Zhang, John Z. Zhang, Ibrahima Sory Sow, Zachary Manchester

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

Comments 16 pages

Latent Sensor Fusion: Multimedia Learning of Physiological Signals for Resource-Constrained Devices

Abdullah Ahmed, Jeremy Gummeson

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

Think Hierarchically, Act Dynamically: Hierarchical Multi-modal Fusion and Reasoning for Vision-and-Language Navigation

Junrong Yue, Yifan Zhang, Chuan Qin, Bo Li, Xiaomin Lie, Xinlei Yu, Wenxin Zhang, Zhendong Zhao

机构 * City University of Hong Kong, Dongguan Campus（香港城市大学东莞校区） ； The University of Melbourne（墨尔本大学） ； Tsinghua University（清华大学） ； Baidu Inc.（百度公司） ； University of Chinese Academy of Science（中国科学院大学） ； National University of Singapore（新加坡国立大学） 纠错

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

Comments 11 pages, 4 figures, Submitted to ACM MM 2025

Enhanced UAV Navigation Systems through Sensor Fusion with Trident Quaternions

Sebastian Incicco, Juan Ignacio Giribet, Leonardo Colombo

机构 * Facultad de Ingeniería, Universidad de Buenos Aires（布宜诺斯艾利斯大学工程学院） ； Universidad de San Andrés and CONICET（圣安德烈斯大学和CONICET） ； Centro de Automática y Robótica (CAR, UPM-CSIC)（自动化与机器人中心（CAR，UPM-CSIC）） 纠错

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

Comments Submitted to the International Conference on Unmanned Aerial Vehicles 2025

Natural Multimodal Fusion-Based Human-Robot Interaction: Application With Voice and Deictic Posture via Large Language Model

Yuzhi Lai, Shenghai Yuan, Youssef Nassar, Mingyu Fan, Atmaraaj Gopal, Arihiro Yorita, Naoyuki Kubota, Matthias Rätsch

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

Comments Accepted for publication by IEEE Robotics & Automation Magazine

Enhancing Reinforcement Learning in Sensor Fusion: A Comparative Analysis of Cubature and Sampling-based Integration Methods for Rover Search Planning

Jan-Hendrik Ewers, Sarah Swinton, David Anderson, Euan McGookin, Douglas Thomson

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

Comments Submitted to IROS 2024

Stabilized Adaptive Steering for 3D Sonar Microphone Arrays with IMU Sensor Fusion

Wouter Jansen, Dennis Laurijssen, Jan Steckel

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

Sensor Fusion for Autonomous Indoor UAV Navigation in Confined Spaces

Alice James, Avishkar Seth, Endrowednes Kuantama, Subhas Mukhopadhyay, Richard Han

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

Comments 6 pages, 8 figures

Cocoon: Robust Multi-Modal Perception with Uncertainty-Aware Sensor Fusion

Minkyoung Cho, Yulong Cao, Jiachen Sun, Qingzhao Zhang, Marco Pavone, Jeong Joon Park, Heng Yang, Z. Morley Mao

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

Comments 23 pages

AONeuS: A Neural Rendering Framework for Acoustic-Optical Sensor Fusion

Mohamad Qadri, Kevin Zhang, Akshay Hinduja, Michael Kaess, Adithya Pediredla, Christopher A. Metzler

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

Comments SIGGRAPH 2024 (conference track full paper). First two authors contributed equally. Paper website: https://aoneus.github.io/

Unimodal and Multimodal Sensor Fusion for Wearable Activity Recognition

Hymalai Bello

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

Comments Accepted in IEEE 22nd International Conference on Pervasive Computing and Communications (PerCom 2024)