MosaicIMU：载体条件化MoE神经惯性里程计
热点事件持续更新
MosaicIMU：载体条件化MoE神经惯性里程计
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Junye Zou 等作者发布预印本论文，提出 MosaicIMU——一个以载体为条件的混合专家（MoE）预训练与适配框架，用于可泛化的神经惯性里程计。该框架通过基于原型的路由器组合载体专属专家特征，解码局部速度与不确定性约束，并与历史感知 EKF 结合。 作者称，面对未见域时，MosaicIMU 冻结预训练基座、学习轻量专家残差分支；在边缘部署时，它复用路由器挑选在线样本做增量更新。论文已被 CoRL 2026 接收为 Spotlight 论文。
AI 根据报道生成 · 15 小时前更新
最新进展11月9日 13:00
MosaicIMU：面向多载体的可泛化神经惯性里程计框架报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv cs.ROMosaicIMU：面向多载体的可泛化神经惯性里程计框架
MosaicIMU 是一个以载体为条件的混合专家（MoE）预训练与适配框架，用于可泛化的神经惯性里程计。它通过基于原型的路由器组合载体专属专家特征，解码局部速度与不确定性约束，并与历史感知 EKF 结合；面对未见域时冻结预训练基座、学习轻量专家残差分支，边缘部署时复用路由器挑选在线样本做增量更新。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月10日03:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。