Makalah ini memperkenalkan QFedAgent, sebuah kerangka pembelajaran federasi personalisasi hibrida kuantum-klasik yang dirancang untuk pengenalan aktivitas multi-agent. Kerangka ini mengatasi tantangan aliran sensor multimodal yang heterogen dan non-IID dengan mengintegrasikan modul fusi sirkuit kuantum variasional yang memodelkan interaksi akselerometer-giros melalui pengodean keadaan kuantum dan keterkaitan.
- Modul fusi kuantum hanya memerlukan 72 parameter rotasi dibandingkan dengan 33K pada 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 parameter tetap kompetitif dibandingkan dengan baseline federasi konvensional.
Pendekatan ini menawarkan solusi untuk aplikasi sensor robotik yang sensitif terhadap privasi dengan secara signifikan mengurangi biaya komunikasi dan overhead parameter sambil mempertahankan akurasi tinggi.