该论文介绍了 QFedAgent，这是一种专为多智能体活动识别设计的混合量子-经典个性化联邦学习框架。它通过集成一个变分量子电路融合模块来解决异构和非独立同分布（non-IID）多模态传感器流的挑战，该模块通过量子态编码对加速度计和陀螺仪的相互作用进行建模。

  • 该方法仅使用72个量子旋转参数，而基于经典多层感知机的融合需要33K个参数，实现了约10倍的总参数量减少。
  • 在 OPPORTUNITY 数据集上基于主体的 non-IID 划分进行的实验表明，平均测试准确率达到97.7%。
  • 结果证实，参数高效的量子融合与传统联邦基线相比仍具有竞争力。

该框架通过显著降低通信成本和参数开销，同时保持高精度，为对隐私敏感的机器人传感应用提供了解决方案。