如果農場基于豐富的傳感器內容來聯合利用自動化地面車輛和航空器，那么地面作業將更加有效；如果手術室能夠將經典的導引技術供精密制導機械臂使用，那么成功率將得到保障；如果救援行動中能夠精準定位施救人員的位置，那么生還幾率將大大提高。要想實現諸如此類的假設，精密慣性傳感器有望發揮巨大作用。在MEMS優先域深耕數十年的ADI，其高性能慣性檢測解決方案就正在實現這些愿景，并已有應用成功的案例，例如：

- 通過將MEMS IMU嵌入到農用車，檢測其實時運動，精度可以達到厘米級。這樣避免了部分土地未收割或者未播種的情況，實現增產增收。

- 外科手術導航系統KneeAlign?2采用ADI MEMS IMU，憑借其可以在數秒時間內測定病人脛骨旋轉中心，并精確計算出切骨角度。病人膝蓋經完整動作掃描后，醫生依靠ADI IMU捕捉到的定位與動態數據，可以快速測定股骨切割塊的準確方位。

- 執行救援任務時，進入了建筑結構或者是復雜環境下，ADI MEMS IMU可以識別施救人員當前的運動類型并測量步數和步幅，提供準確到米的定位精度。并且ADI MEMS IMU能夠抑制錯誤運動，例如震動、沖擊以及腳或身體左右搖晃/搖擺。

打鐵還需自身硬，傳感器融合算法還需要MEMS的高精度

從上述應用不難看出，其關鍵在于MEMS傳感器的高精度，而精度的提高可以通過選擇質量更高的傳感器來實現。不過曾有一種不切實際的說法是，可以利用傳感器融合算法，通過編程使技術水平很差的傳感器獲得良好的性能。傳感器融合的確可用于某些校正，例如：利用溫度傳感器校正其他傳感器的溫漂，或利用加速度計(g)傳感器校正陀螺儀的重力效應。但即使是在這些情況下，也只能依據環境來校準給定傳感器，而無法提高它在校準點之間維持性能的固有能力，也就是說，只能插值而無法維持校準精度。質量較差的傳感器通常會迅速漂移，如果不進行廣泛和成本高昂的校準，精度會立即下降。

簡言之，傳感器融合雖然可以提供確定性的校正（如溫度補償），并會基于系統狀態知識，管理從一個傳感器到另一個傳感器的切換過程，但是軟件對于彌補不確定性差距的作用不大，無法彌補傳感器內在的缺陷。并且就算是高質量傳感器為使器件發揮高性能，通常也需要進行一定的校準。因此，校準和補償步驟越來越多地被看成是傳感器制造商必須提供的嵌入式功能。