这篇于2026年6月19日提交至arXiv的论文《Memory-Augmented LSTM Autoencoder for Unsupervised Activity Recognition with IMU Sensor Fusion》，由Saeid Arabzadeh等三位作者完成，属于计算机视觉与模式识别（cs.CV）分类，并交叉归入人工智能（cs.AI）领域。研究聚焦于利用惯性测量单元（IMU）传感器进行人体活动识别（HAR），这一技术在医疗健康监测与康复训练中具有重要价值。作者指出，尽管深度学习近年来取得显著进展，该领域仍面临三大核心难题：对标注数据的依赖、多传感器融合的复杂性，以及无监督方法在捕捉时空依赖关系方面的能力不足。在数据含噪、活动相互重叠且标签缺失的真实场景中，这些问题尤为突出。
针对上述挑战，论文提出了一套完全无监督的时空特征融合框架，其核心是带有记忆增强机制的自编码器。该方法通过多传感器IMU数据的短时间窗口来增强活动特征表示，从而支持实时应用。具体而言，框架首先利用堆叠自编码器（Stacked Autoencoder）提取分层的静态特征，并在单个传感器内部以及跨传感器之间进行特征融合；随后，序列到序列的LSTM自编码器对这些特征进行时间维度的精炼，在无需任何标签的情况下融入历史运动模式。研究还分析了关键超参数，以确定在短窗口约束下能够最大化特征可分性的配置。
在评估方面，作者采用更贴近现实的类间窗口分割方式，在DaLiAc和PAMAP2两个数据集上分别取得了96.6%和98.4%的准确率，不仅超过了有监督基线方法，也优于现有的无监督方法。即便时间窗口更短，该方法仍将特征可分性最多提升了9%。值得注意的是，这种现实的类间分割策略会使准确率下降约7%，但作者是有意采用该策略，以更好地反映真实世界中活动之间的过渡情况，提升方法的实用价值。该论文的全文可通过arXiv获取，DOI为10.48550/arXiv.2606.28377，提交版本为v1，文件大小约1,535 KB。