論文の概要: Neural RF SLAM for unsupervised positioning and mapping with channel state information

• arxiv url: http://arxiv.org/abs/2203.08264v1
• Date: Tue, 15 Mar 2022 21:32:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 07:19:28.913079
• Title: Neural RF SLAM for unsupervised positioning and mapping with channel state information
• Title（参考訳）: チャネル状態情報を用いた教師なし位置決めとマッピングのためのニューラルRFSLAM
• Authors: Shreya Kadambi, Arash Behboodi, Joseph B. Soriaga, Max Welling, Roohollah Amiri, Srinivas Yerramalli, Taesang Yoo
• Abstract要約: アイソメトリによるユーザ位置と環境マッピングを共同で学習するニューラルネットワークアーキテクチャを提案する。 提案モデルでは,物理ベースのデコーダを適用すれば,解釈可能な潜在能力,すなわちユーザ位置を学習できる。
• 参考スコア（独自算出の注目度）: 51.484516640867525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a neural network architecture for jointly learning user locations and environment mapping up to isometry, in an unsupervised way, from channel state information (CSI) values with no location information. The model is based on an encoder-decoder architecture. The encoder network maps CSI values to the user location. The decoder network models the physics of propagation by parametrizing the environment using virtual anchors. It aims at reconstructing, from the encoder output and virtual anchor location, the set of time of flights (ToFs) that are extracted from CSI using super-resolution methods. The neural network task is set prediction and is accordingly trained end-to-end. The proposed model learns an interpretable latent, i.e., user location, by just enforcing a physics-based decoder. It is shown that the proposed model achieves sub-meter accuracy on synthetic ray tracing based datasets with single anchor SISO setup while recovering the environment map up to 4cm median error in a 2D environment and 15cm in a 3D environment
• Abstract（参考訳）: 位置情報を持たないチャネル状態情報(CSI)値から、アイソメトリにマッピングしたユーザ位置と環境を、教師なしの方法で共同学習するニューラルネットワークアーキテクチャを提案する。 モデルはエンコーダ-デコーダアーキテクチャに基づいている。 エンコーダネットワークはcsi値をユーザロケーションにマップする。 デコーダネットワークは仮想アンカーを用いて環境をパラメータ化することで伝播の物理をモデル化する。 エンコーダ出力と仮想アンカー位置から、超解像法を用いてCSIから抽出された飛行時間(ToF)のセットを再構築することを目的としている。 ニューラルネットワークタスクは、予測をセットして、エンドツーエンドでトレーニングされる。 提案モデルでは,物理ベースのデコーダを適用すれば,解釈可能な潜在能力,すなわちユーザ位置を学習できる。 提案手法は,2次元環境における4cm中央値誤差と3次元環境における15cm中央値誤差を復元しながら,単一アンカーSISOセットアップによる合成光線追跡に基づくデータセットのサブメーター精度を実現する。

関連論文リスト

• HYVE: Hybrid Vertex Encoder for Neural Distance Fields [9.40036617308303]
  本稿では,1つの前方パスにおける3次元形状の正確な符号化に適したニューラルネットワークアーキテクチャを提案する。 我々のネットワークは、非ゼロ距離値や形状占有の事前知識を明示することなく、有効な符号付き距離場を出力することができる。
  論文  参考訳（メタデータ） (2023-10-10T14:07:37Z)
• V-DETR: DETR with Vertex Relative Position Encoding for 3D Object Detection [73.37781484123536]
  DETRフレームワークを用いた点雲のための高性能な3次元物体検出器を提案する。 限界に対処するため,新しい3次元相対位置(3DV-RPE)法を提案する。 挑戦的なScanNetV2ベンチマークで例外的な結果を示す。
  論文  参考訳（メタデータ） (2023-08-08T17:14:14Z)
• Object-level 3D Semantic Mapping using a Network of Smart Edge Sensors [25.393382192511716]
  我々は,分散エッジセンサのネットワークとオブジェクトレベルの情報からなる多視点3次元意味マッピングシステムを拡張した。 提案手法は,数cm以内でのポーズ推定と,実験室環境におけるセンサネットワークを用いた実環境実験により,Behaveデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2022-11-21T11:13:08Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• PLADE-Net: Towards Pixel-Level Accuracy for Self-Supervised Single-View Depth Estimation with Neural Positional Encoding and Distilled Matting Loss [49.66736599668501]
  PLADE-Netと呼ばれる自己監視型単視点画素レベルの高精度深度推定ネットワークを提案する。 提案手法は,KITTIデータセットの$delta1$測定値の95%を超え,前例のない精度を示す。
  論文  参考訳（メタデータ） (2021-03-12T15:54:46Z)
• Wireless Localisation in WiFi using Novel Deep Architectures [4.541069830146568]
  本稿では,コモディティ・チップセットと標準チャネル・サウンドによるWiFi機器の屋内位置推定について検討する。 本稿では、異なるアンテナで受信されたWiFiサブキャリアに対応するチャネル状態情報から特徴を抽出する、新しい浅層ニューラルネットワーク(SNN)を提案する。
  論文  参考訳（メタデータ） (2020-10-16T22:48:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。