如果农场基于丰富的传感器内容来联合利用自动化地面车辆和航空器，那么地面作业将更加有效；如果手术室能够将经典的导引技术供精密制导机械臂使用，那么成功率将得到保障；如果救援行动中能够精准定位施救人员的位置，那么生还几率将大大提高。要想实现诸如此类的假设，精密惯性传感器有望发挥巨大作用。在MEMS优先域深耕数十年的ADI，其高性能惯性检测解决方案就正在实现这些愿景，并已有应用成功的案例，例如：

- 通过将MEMS IMU嵌入到农用车，检测其实时运动，精度可以达到厘米级。这样避免了部分土地未收割或者未播种的情况，实现增产增收。

- 外科手术导航系统KneeAlign®2采用ADI MEMS IMU，凭借其可以在数秒时间内测定病人胫骨旋转中心，并精确计算出切骨角度。病人膝盖经完整动作扫描后，医生依靠ADI IMU捕捉到的定位与动态数据，可以快速测定股骨切割块的准确方位。

- 执行救援任务时，进入了建筑结构或者是复杂环境下，ADI MEMS IMU可以识别施救人员当前的运动类型并测量步数和步幅，提供准确到米的定位精度。并且ADI MEMS IMU能够抑制错误运动，例如震动、冲击以及脚或身体左右摇晃/摇摆。

打铁还需自身硬，传感器融合算法还需要MEMS的高精度

从上述应用不难看出，其关键在于MEMS传感器的高精度，而精度的提高可以通过选择质量更高的传感器来实现。不过曾有一种不切实际的说法是，可以利用传感器融合算法，通过编程使技术水平很差的传感器获得良好的性能。传感器融合的确可用于某些校正，例如：利用温度传感器校正其他传感器的温漂，或利用加速度计(g)传感器校正陀螺仪的重力效应。但即使是在这些情况下，也只能依据环境来校准给定传感器，而无法提高它在校准点之间维持性能的固有能力，也就是说，只能插值而无法维持校准精度。质量较差的传感器通常会迅速漂移，如果不进行广泛和成本高昂的校准，精度会立即下降。

简言之，传感器融合虽然可以提供确定性的校正（如温度补偿），并会基于系统状态知识，管理从一个传感器到另一个传感器的切换过程，但是软件对于弥补不确定性差距的作用不大，无法弥补传感器内在的缺陷。并且就算是高质量传感器为使器件发挥高性能，通常也需要进行一定的校准。因此，校准和补偿步骤越来越多地被看成是传感器制造商必须提供的嵌入式功能。