移动机器人定位与无线忠实指纹和可解释的人工智能定位
Hüseyin Abacı1, Ahmet Çağdaş Seçkin1
1Computer Engineering Department, Engineering Faculty, Adnan Menderes University, 09100 Aydın, Türkiye.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
本研究介绍了一种机器学习方法,用于使用Wi-Fi信号准确定位室内机器人. 即使使用更少的接入点,AdaBoost算法也实现了高精度,证明了室内导航的成本效益解决方案.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 室内导航系统 室内导航系统
- 机器学习 机器学习
背景情况:
- 无线忠诚度 (Wi-Fi) 定位是室内机器人导航的经济有效解决方案.
- 由于信号特征,Wi-Fi在室内环境中比全球导航卫星系统 (GNSS) 有优势.
- 现有的Wi-Fi基础设施可以在没有额外的硬件的情况下实现精确的室内定位.
研究的目的:
- 提出一种基于机器学习的方法,用于在室内环境中支持Wi-Fi的机器人定位.
- 使用现有的Wi-Fi基础设施实现全面的3D位置估计.
- 评估拟议方法的准确性和效率.
主要方法:
- 利用机器学习,特别是AdaBoost算法,用于基于Wi-Fi信号强度的定位.
- 在一个四层楼的建筑中收集了Wi-Fi接入点信号强度 (dBm) 的数据集.
- 雇佣可解释的人工智能来分析接入点的重要性并减少数据需求.
主要成果:
- 该AdaBoost算法实现了高精度,平均平均误差 (MAE) 为0.044m (x轴),0.063m (y轴) 和0.003m (z轴).
- 即使使用仅来自七个选定的Wi-Fi接入点的数据,定位仍然准确,MAE值为0.811m (x轴),0.492m (y轴) 和0.134m (z轴).
- 证明了准确的室内定位与减少Wi-Fi接入点使用的可行性.
结论:
- 拟议的机器学习方法有效地利用Wi-Fi基础设施来准确地定位室内机器人.
- AdaBoost算法在3D位置估计方面表现出强的性能,为室内导航提供了实用的解决方案.
- 该研究强调了室内定位系统中优化Wi-Fi使用的潜力.


