多模态信息融合

The Setting of IMU Parameters in Kalman Filtering-based Information Fusion

基于卡尔曼滤波的信息融合中惯性测量单元（IMU）参数的设置

Qiang Hu, Yanhua Zou, Shuaiyi Huo, Haibo Ge, Wei Ouyang

机构 * Tongji University（同济大学） 纠错

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

AI总结 该研究针对卡尔曼滤波信息融合中IMU参数设置难题，提出基于Allan方差校准的方法，验证了其在两类IMU传感器融合系统中的可行性与有效性。

Comments 2026 International Conference on Guidance, Navigation and Control

ForceFlow: Learning to Feel and Act via Contact-Driven Flow Matching

ForceFlow: 通过接触驱动的流匹配学习感知与行动

Shuoheng Zhang, Yifu Yuan, Hongyao Tang, Yan Zheng, Qiaojun Yu, Pengyi Li, Guowei Huang, Helong Huang, Xingyue Quan, Jianye Hao

机构 * Tianjin University（天津大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 本文提出ForceFlow框架，通过融合力信号与多模态信息，提升机器人在复杂接触任务中的鲁棒性和泛化能力，实验显示其在六个真实任务中成功率提升37%。