Makalah ini memperkenalkan QFedAgent, sebuah kerangka kerja pembelajaran federasi personalisasi hibrida kuantum-klasik yang dirancang untuk pengenalan aktivitas multi-agen. Kerangka kerja ini mengatasi tantangan aliran sensor multimodal yang heterogen dan non-IID dengan mengintegrasikan modul fusi sirkuit kuantum variasional yang memodelkan interaksi akselerometer-giroskop melalui pengkodean keadaan kuantum.
- Pendekatan ini hanya menggunakan 72 parameter rotasi kuantum dibandingkan dengan 33K dalam fusi berbasis perceptron multi-lapis klasik, mencapai pengurangan total parameter sekitar 10x.
- Eksperimen pada dataset OPPORTUNITY di bawah partisi non-IID berbasis subjek menunjukkan akurasi uji rata-rata sebesar 97,7%.
- Hasilnya mengonfirmasi bahwa fusi kuantum yang efisien dalam hal parameter tetap kompetitif dibandingkan dengan baseline federasi konvensional.
Kerangka kerja ini menawarkan solusi untuk aplikasi sensor robotik yang sensitif terhadap privasi dengan secara signifikan menurunkan biaya komunikasi dan overhead parameter sambil mempertahankan akurasi tinggi.