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。它通过集成变分量子电路融合模块来解决异构和非IID多模态传感器流的挑战，该模块通过量子态编码和纠缠来建模加速度计-陀螺仪的相互作用。
- 量子融合模块仅需72个旋转参数，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非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。
这种方法通过显著降低通信成本和参数开销，同时保持高精度，为隐私敏感的机器人传感应用提供了解决方案。