論文の概要: Hybrid Neural Network-Based Indoor Localisation System for Mobile Robots Using CSI Data in a Robotics Simulator

• arxiv url: http://arxiv.org/abs/2511.01797v1
• Date: Mon, 03 Nov 2025 17:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.356752
• Title: Hybrid Neural Network-Based Indoor Localisation System for Mobile Robots Using CSI Data in a Robotics Simulator
• Title（参考訳）: ロボットシミュレータにおけるCSIデータを用いた移動ロボットのハイブリッドニューラルネットワークによる屋内位置推定システム
• Authors: Javier Ballesteros-Jerez, Jesus Martínez-Gómez, Ismael García-Varea, Luis Orozco-Barbosa, Manuel Castillo-Cara,
• Abstract要約: 移動ロボットの位置を推定するためのハイブリッドニューラルネットワークモデルを提案する。 提案手法では,CNNを多層パーセプトロン(MLP)と統合し,2次元ロボットの位置を推定するハイブリッドニューラルネットワーク(Hybrid Neural Network,HyNN)を構築する。 我々の貢献は、複雑な環境下での移動ロボットの正確な屋内位置決めとナビゲーションを実現するためのHyNNモデルの可能性を示すものである。
• 参考スコア（独自算出の注目度）: 1.6093668627931697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a hybrid neural network model for inferring the position of mobile robots using Channel State Information (CSI) data from a Massive MIMO system. By leveraging an existing CSI dataset, our approach integrates a Convolutional Neural Network (CNN) with a Multilayer Perceptron (MLP) to form a Hybrid Neural Network (HyNN) that estimates 2D robot positions. CSI readings are converted into synthetic images using the TINTO tool. The localisation solution is integrated with a robotics simulator, and the Robot Operating System (ROS), which facilitates its evaluation through heterogeneous test cases, and the adoption of state estimators like Kalman filters. Our contributions illustrate the potential of our HyNN model in achieving precise indoor localisation and navigation for mobile robots in complex environments. The study follows, and proposes, a generalisable procedure applicable beyond the specific use case studied, making it adaptable to different scenarios and datasets.
• Abstract（参考訳）: 大規模MIMOシステムからのチャネル状態情報(CSI)データを用いて移動ロボットの位置を推定するためのハイブリッドニューラルネットワークモデルを提案する。 既存のCSIデータセットを利用することで、畳み込みニューラルネットワーク(CNN)と多層パーセプトロン(MLP)を統合し、2次元ロボットの位置を推定するハイブリッドニューラルネットワーク(HyNN)を形成する。 CSI読み出しはTINTOツールを用いて合成画像に変換する。 ローカライゼーションソリューションは、ロボットシミュレータと、不均一なテストケースによる評価を容易にするRobot Operating System(ROS)と統合されており、Kalmanフィルタのような状態推定器が採用されている。 我々の貢献は、複雑な環境下での移動ロボットの正確な屋内位置決めとナビゲーションを実現するためのHyNNモデルの可能性を示すものである。 この研究は、研究された特定のユースケースを超えて適用可能な一般的な手順を提案し、異なるシナリオやデータセットに適応できるようにする。

関連論文リスト

• neuROSym: Deployment and Evaluation of a ROS-based Neuro-Symbolic Model for Human Motion Prediction [4.008958683836471]
  NeuroSyMは空間的相互作用の表現のための定性的軌道計算にコンテキストを組み込むことに成功した。 実際のシナリオでロボットをデプロイするためのROパッケージであるneuROSymを提供するために,オリジナルアーキテクチャを拡張した。 我々は,これらのモデルであるNeuroSyMとベースラインSGANを,人間の動作パターンが異なる2つのシナリオで評価した。
  論文  参考訳（メタデータ） (2024-06-24T11:13:06Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
  CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。 我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-07-21T13:03:27Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• IR-MCL: Implicit Representation-Based Online Global Localization [31.77645160411745]
  本稿では,室内環境におけるロボットの姿勢を2次元LiDARデータを用いて推定する問題に対処する。 ニューラルネットワークを用いてシーンを暗黙的に表現するためのニューラルネットワーク占有場(NOF)を提案する。 本研究では,最先端手法のローカライズ性能を超越したアプローチを用いて,ロボットを高精度かつ効率的にローカライズできることを示す。
  論文  参考訳（メタデータ） (2022-10-06T17:59:08Z)
• A Spiking Central Pattern Generator for the control of a simulated lamprey robot running on SpiNNaker and Loihi neuromorphic boards [1.8139771201780368]
  本稿では,シミュレートされたランプレーモデルを制御する手段として,スパイクニューラルネットワークとニューロモルフィックハードウェアの実装を提案する。 センサ情報によって提供できるネットワークへの入力を変更することで,ロボットの方向や速度を動的に制御できることを示す。 スパイキングアルゴリズムのこのカテゴリは、エネルギー効率と計算速度の観点から、ニューロモルフィックハードウェアの理論的利点を利用する有望な可能性を示している。
  論文  参考訳（メタデータ） (2021-01-18T11:04:16Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。