El artículo presenta QFedAgent, un marco de aprendizaje federado personalizado híbrido cuántico-clásico diseñado para el reconocimiento de actividad multiagente. Aborda los desafíos de flujos multimodales heterogéneos y no-IID de sensores integrando un módulo de fusión de circuitos cuánticos variacionales que modela las interacciones acelerómetro-giroscopio mediante codificación de estados cuánticos.
- El enfoque utiliza solo 72 parámetros de rotación cuántica en comparación con los 33K en la fusión clásica basada en perceptrón multicapa, logrando una reducción total de parámetros de aproximadamente 10x.
- Los experimentos en el conjunto de datos OPPORTUNITY bajo particiones no-IID basadas en sujetos demuestran una precisión media de prueba del 97.7%.
- Los resultados confirman que la fusión cuántica eficiente en parámetros sigue siendo competitiva frente a las bases federadas convencionales.
El marco ofrece una solución para aplicaciones de sensado robótico sensibles a la privacidad al reducir significativamente los costos de comunicación y la sobrecarga de parámetros mientras mantiene una alta precisión.