- 实现射频可视识别
PanoRadar 是一种新颖的射频成像系统，通过使用旋转的单芯片毫米波雷达以及新型信号处理和机器学习算法，能够以接近激光雷达的分辨率进行三维成像，并在射频范围内实现许多视觉识别任务，包括表面法线估计、语义分割和物体检测。
- 3D RF-Vision 中扩散模型是一个很好的姿态估计器
mmDiff 是一种针对嘈杂雷达数据的新型扩散式姿势估计器，解决了人体部分的漏检和环境干扰引起的信号不一致性等两个关键挑战，通过设计多个模块提供可靠的条件，显著优于现有方法，在公共数据集上实现了最先进的性能。
- Radarize：室内环境大规模雷达 SLAM
我们介绍了 Radarize，这是一个用于室内环境的自包含 SLAM 管道，仅使用低成本的单芯片毫米波雷达。我们的 Radarize 利用了仅存在于无线电频率下的现象，如基于多普勒频移的里程计，从而提高性能。通过对包含 4 个校园建筑物共 - 环境无关的互动多模型毫米波跌倒检测
在未来的智能家居中，我们提出了一种名为 FADE（FAll Detection）的实用摔倒检测雷达系统，该系统具有增强的准确度和稳健性，并通过互动多模型（IMM）状态估计器提取环境无关特征，以高度准确和即时地进行摔倒检测。在真实环境中的实验 - MiliPoint：用于毫米波雷达的点云数据集
利用 mmWave 雷达进行人体活动识别的大规模开放数据集 MiliPoint，提供了一种更有效的基于点集的深度学习方法，包括 DGCNN、PointNet++ 和 PointTransformer 等，可为进一步发展奠定基础。
- BatMobility: 无需视觉的自主无人机飞行
本文介绍了一种无人机的轻型 mmWave 雷达感知系统，名为 BatMobility，它通过消除对光学传感器的依赖，实现了两个核心功能：基于无线电流的估计和基于雷达的避碰，其性能在各种场景中可与商用级光学传感器媲美甚至更好。
- Achelous：基于单目相机和 4D 毫米波雷达融合的快速统一水面全景感知框架
Achelous 是一个低成本和快速的统一全景感知框架，主要面向水面感知。它以单目相机和 4D mmWave 雷达的融合为基础，能够同时执行五个任务：视觉目标的检测和分割，可驾驶区域的分割，水线的分割和雷达点云的分割。
- MM-Fi：多模式非侵入式 4D 人体数据集用于多功能无线感应
本文提出了 MM-Fi，这是第一个多模态、非侵入式的 4D 人员数据集，通过利用 LiDAR、毫米波雷达和 WiFi 信号等技术，来桥接无线感知和高级人员任务，支持人体姿态估计和动作识别等潜在感知任务。
- mm-Pose: 基于 mmWave 雷达和 CNN 的实时人体骨骼姿态估计
该研究提出了一种新的使用 mmWave 雷达在实时情况下检测和跟踪人体骨架的方法，使用机器学习进行骨骼关节的三维定位，可应用于交通监控、自动驾驶、病人监测和国防军事等领域，并且克服了光照和恶劣气象条件的影响。
- 利用 mmWave 雷达和深度卷积神经网络实时检测多个病人的行为
本研究提出了一种使用 mmWave 雷达和深度卷积神经网络（CNN）的新型患者行为检测系统，支持实时同时识别多个患者的行为，利用三层 CNN 模型对每个患者的行为进行分类，经过训练和测试，在两个患者场景下取得了非常好的推理准确性。
- 低成本毫米波雷达实现强韧室内映射透视烟雾
本文提出了一种基于毫米波雷达的单芯片室内地图系统 milliMap，该系统可用于低能见度环境，以协助紧急响应。milliMap 具有低成本，可通过训练来模拟难以观测的地图，且为地图上的对象提供语义注释。