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 de sensores multimodales heterogéneos y no-IID integrando un módulo de fusión de circuitos cuánticos variacionales que modela las interacciones acelerómetro-giroscopio mediante codificación de estados cuánticos y entrelazamiento.
- El módulo de fusión cuántica requiere solo 72 parámetros de rotación en comparación con 33K en la fusión basada en perceptrón multicapa clásico, 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 con las bases federadas convencionales.
Este enfoque ofrece una solución para aplicaciones de sensores robóticos sensibles a la privacidad al reducir significativamente los costos de comunicación y la sobrecarga de parámetros mientras mantiene alta precisión.