論文の概要: Scalable Wi-Fi RSS-Based Indoor Localization via Automatic Vision-Assisted Calibration

• arxiv url: http://arxiv.org/abs/2509.22869v1
• Date: Fri, 26 Sep 2025 19:28:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:18.918656
• Title: Scalable Wi-Fi RSS-Based Indoor Localization via Automatic Vision-Assisted Calibration
• Title（参考訳）: 視覚支援自動校正によるスケーラブルWi-FiRSSを用いた屋内位置推定
• Authors: Abdulkadir Bilge, Erdem Ergen, Burak Soner, Sinem Coleri,
• Abstract要約: Wi-Fiベースの位置決めは、モール、空港、キャンパスなどの屋内環境における位置情報ベースのサービスの、スケーラブルでプライバシー保護のソリューションを約束する。 RSSベースの方法は、すべてのWi-Fi対応デバイスでRSSデータが利用できるため、広くデプロイできるが、RSSはマルチパス、チャンネルのバリエーション、受信特性に非常に敏感である。 短時間のカメラアシストキャリブレーションフェーズを用いて,高分解能同期RSSロケーションデータ収集を自動化するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.414466174813937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wi-Fi-based positioning promises a scalable and privacy-preserving solution for location-based services in indoor environments such as malls, airports, and campuses. RSS-based methods are widely deployable as RSS data is available on all Wi-Fi-capable devices, but RSS is highly sensitive to multipath, channel variations, and receiver characteristics. While supervised learning methods offer improved robustness, they require large amounts of labeled data, which is often costly to obtain. We introduce a lightweight framework that solves this by automating high-resolution synchronized RSS-location data collection using a short, camera-assisted calibration phase. An overhead camera is calibrated only once with ArUco markers and then tracks a device collecting RSS data from broadcast packets of nearby access points across Wi-Fi channels. The resulting (x, y, RSS) dataset is used to automatically train mobile-deployable localization algorithms, avoiding the privacy concerns of continuous video monitoring. We quantify the accuracy limits of such vision-assisted RSS data collection under key factors such as tracking precision and label synchronization. Using the collected experimental data, we benchmark traditional and supervised learning approaches under varying signal conditions and device types, demonstrating improved accuracy and generalization, validating the utility of the proposed framework for practical use. All code, tools, and datasets are released as open source.
• Abstract（参考訳）: Wi-Fiベースの位置決めは、モール、空港、キャンパスなどの屋内環境における位置情報ベースのサービスの、スケーラブルでプライバシー保護のソリューションを約束する。 RSSベースの方法は、すべてのWi-Fi対応デバイスでRSSデータが利用できるため、広くデプロイできるが、RSSはマルチパス、チャンネルのバリエーション、受信特性に非常に敏感である。 教師付き学習手法はロバスト性の向上を提供するが、大量のラベル付きデータを必要とするため、しばしば取得にコストがかかる。 短時間のカメラアシストキャリブレーションフェーズを用いて高分解能同期RSSロケーションデータ収集を自動化する軽量なフレームワークを提案する。 オーバーヘッドカメラはArUcoマーカーで1度だけ校正され、Wi-Fiチャネルを介して近くのアクセスポイントのブロードキャストパケットからRSSデータを収集するデバイスを追跡する。 結果として得られる(x, y, RSS)データセットは、モバイルデプロイ可能なローカライゼーションアルゴリズムを自動トレーニングするために使用され、継続的なビデオ監視のプライバシー上の懸念を回避する。 本研究では,このような視力支援型RSSデータ収集の精度限界を,追跡精度やラベル同期といった重要な要因下で定量化する。 収集した実験データを用いて、様々な信号条件とデバイスタイプの下で従来の教師あり学習手法をベンチマークし、精度の向上と一般化を実証し、提案フレームワークの実用性を検証する。 すべてのコード、ツール、データセットがオープンソースとしてリリースされている。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Improved Indoor Localization with Machine Learning Techniques for IoT applications [0.0]
  本研究では, 教師付き回帰器, 教師付き分類器, RSSIを用いた屋内位置推定のためのアンサンブル手法の3段階に機械学習アルゴリズムを適用した。 実験の結果は、屋内環境におけるローカライズ精度とロバスト性の観点から、異なる教師付き機械学習技術の有効性に関する洞察を与える。
  論文  参考訳（メタデータ） (2024-02-18T02:55:19Z)
• An Indoor Localization Dataset and Data Collection Framework with High Precision Position Annotation [7.152408514130423]
  この技術は、無線信号パラメータデータサンプルのアノテートに使用される拡張現実(AR)ベースの位置決めシステムを実装している。 我々は、ARマーカーで装飾された領域において、実用的で低コストで操作可能なカメラとBluetooth Low Energy(BLE)ビーコンの位置を追跡する。 以上の結果から,AR位置決めシステムの位置誤差を0.05m以下に抑えることができることがわかった。
  論文  参考訳（メタデータ） (2022-09-06T07:41:11Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)

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。