基于Wi-Fi的室内定位和导航:机器人辅助的混合深度学习方法

科学领域:

• 机器人和人工智能 机器人和人工智能
• 无线通信和网络无线通信和网络.

背景情况:

• 室内定位和导航对于移动设备和网络应用程序至关重要.
• 由于广泛的基础设施,Wi-Fi技术提供了潜力,但注释数据往往很少.
• 现有的三边化和机器学习等方法严重依赖于标记的Wi-Fi观测.

研究的目的:

• 为室内定位和导航开发一种新的数据收集策略.
• 设计深度学习模型,利用标记和未标记的Wi-Fi数据.
• 为了提高室内定位系统的效率和准确性.

主要方法:

• 一种机器人辅助的数据收集策略,以获取有限的高质量标记和丰富的未标记Wi-Fi数据.
• 基于可变自动编码器的两个深度学习模型,用于不同的本地化和导航任务.
• 一种混合学习方法,将监督,无监督和半监督的学习相结合,用于模型培训.

主要成果:

• 拟议的方法有效地从未标记的数据中学习,显示增量性能改进.
• 模型在有障碍的复杂室内环境中实现了有希望的本地化和导航准确性.
• 混合学习策略最大限度地提高了收集数据的实用性,包括未标记的数据集.

结论:

• 机器人辅助数据收集和混合学习方法显著提高室内定位和导航.
• 用各种数据策略进行训练的深度学习模型表现出强大的性能.
• 这项工作解决了基于Wi-Fi的室内定位系统中有限的注释数据的挑战.