本研究提出了一种名为UMotion的在线融合状态估计框架，旨在解决稀疏可穿戴惯性测量单元在3D人体运动估计中的姿态模糊、数据漂移和适应性差等问题。通过集成IMU与六个超宽带传感器，提升了姿态准确性，克服了人体形状变化和数据不稳定的挑战。

本研究提出了一种基于惯性测量单元和一维卷积神经网络的马匹跛行及步态不规则性早期检测系统。测试结果表明，该系统在真实环境中的准确率达到90%，为马匹健康管理提供了有效的自动化检测方案。

本文介绍了一种基于快门滚动摄像机和惯性测量单元的直接视觉惯性里程计方法，可以估计稀疏3D几何图形并结合光度束调整，实验结果表明该方法比不考虑滚动快门的系统表现更好。