論文の概要: Visual-Wi-Fi Navigation to Signal-Emitting Devices
- arxiv url: http://arxiv.org/abs/2610.12733v1
- Date: Thu, 08 Oct 2026 21:28:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.284821
- Title: Visual-Wi-Fi Navigation to Signal-Emitting Devices
- Title（参考訳）: 信号伝送デバイスへの視覚Wi-Fiナビゲーション
- Abstract要約: 本研究では,ロボットが無人環境で信号発光装置に到達する視覚-Wi-Fiナビゲーションについて検討する。
WiFiSpaces は Habitat の具体化シミュレータを拡張し,Wi-Fi のオンラインレンダリングを行う。
ローカライズ対応ナビゲーションフレームワークであるViFiNavを構築した。
- 参考スコア（独自算出の注目度）: 15.909034596930452
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Indoor navigation to task-relevant targets remains difficult when the target is small, occluded, or visually indistinct. Meanwhile, smart appliances, mobile devices, and IoT tags emit Wi-Fi signals during everyday communication, providing a pervasive but underused spatial cue. We study visual-Wi-Fi navigation, where a robot reaches a signal-emitting device in an unmapped environment using onboard visual observations and Wi-Fi packets overheard from the device, without connecting to the device or modifying infrastructure. Realizing this requires pose-dependent Wi-Fi observations during closed-loop policy learning and reliable spatial cues from bearing measurements corrupted by indoor multipath propagation on a moving robot. We present WiFiSpaces, which extends the Habitat embodied simulator with online ray-traced Wi-Fi sensing, rendering Wi-Fi observations for a robot-mounted antenna array at continuous poses during policy rollouts. On top of it, we build ViFiNav, a localization-aware navigation framework: an online source-localization algorithm exploits robot motion to disambiguate and robustly aggregate bearings from multiple viewpoints into a confidence-aware source estimate, and a learned policy fuses this evolving estimate with depth observations and learns to act on it as it is refined. Experiments show that exploiting robot motion is key to accurate source estimates, and that fine-tuning on ray-traced Wi-Fi observations in WiFiSpaces improves the success rate of ViFiNav. The policy transfers zero-shot to unseen scene datasets, and we deploy it on a real robot with a Wi-Fi sensor built from a commodity router, without any real-world training.
- Abstract（参考訳）: タスク関連ターゲットへの屋内ナビゲーションは、目標が小さく、無視され、あるいは視覚的に不明瞭である場合、依然として困難である。
一方、スマートアプライアンス、モバイルデバイス、IoTタグは、日々のコミュニケーション中にWi-Fi信号を出力し、広く使われているが、あまり使われていない空間的キューを提供する。
ロボットは、デバイスに接続したり、インフラを変更したりすることなく、オンボードで視覚観察やWi-Fiパケットを過度に聴いたりすることで、無人環境で信号発光装置に到達できる視覚-Wi-Fiナビゲーションを研究した。
これを実現するには、クローズドループポリシー学習中のポーズ依存Wi-Fi観測と、移動ロボット上での屋内マルチパス伝搬によって破損した測定値からの信頼性の高い空間的手がかりが必要である。
WiFiSpacesは,オンライン無線Wi-FiセンシングによりHabitatエンボディドシミュレータを拡張し,ポリシーロールアウト中の連続ポーズでロボット搭載アンテナアレイのWi-Fi観測を行う。
オンラインのソースローカライゼーションアルゴリズムは、ロボットの動きを利用して、複数の視点からのベアリングをあいまいにし、頑健に集約し、信頼性の高いソース推定に変換する。
実験により、正確な音源推定にはロボットの動きの活用が重要であり、WiFiSpacesにおけるレイトレーシングWi-Fi観測の微調整により、ViFiNavの成功率が向上することが示された。
このポリシーは、ゼロショットを見えないシーンデータセットに転送し、実際のトレーニングをせずに、コモディティルーターから構築されたWi-Fiセンサーで実際のロボットにデプロイする。
関連論文リスト
- "Take Me Home, Wi-Fi Drone": A Drone-based Wireless System for Wilderness Search and Rescue [7.456638490638299]
Wi2SARは、長距離かつ網羅的なWiSAR操作のための、新しい自律型ドローンベースの無線システムである。
我々の基本的な洞察は、現代のWi-Fiデバイスから既知のネットワークへの自動再接続の挙動を活用することである。
We implement a end-to-end prototype and evaluation Wi2SAR across various mobile devices and real-world wilderness scenarios。
論文 参考訳（メタデータ） (2026-04-10T08:52:16Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Digital Shielding for Cross-Domain Wi-Fi Signal Adaptation using Relativistic Average Generative Adversarial Network [13.808977762165823]
本稿では,物理信号遮蔽にインスパイアされた,Wi-Fi信号のクロスドメイン適応のための新しいディープラーニングモデルを提案する。
このシステムは96%の精度を達成し、強力な物質識別能力を示した。
論文 参考訳（メタデータ） (2025-04-29T09:18:02Z) - Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。
また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - See What the Robot Can't See: Learning Cooperative Perception for Visual
Navigation [11.943412856714154]
センサをトレーニングして、関連する視点情報を移動ロボットにエンコードし、伝達する。
我々は、全てのセンサーが目標への最短経路に沿って方向を予測できるようにするという課題を克服する。
その結果,センサとロボットの通信により,SPLの最大2.0倍の改善が達成された。
論文 参考訳（メタデータ） (2022-08-01T11:37:01Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - Hands-on Wireless Sensing with Wi-Fi: A Tutorial [7.8774878397748065]
このチュートリアルでは、Wi-Fiセンシングを例に挙げる。
データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。
論文 参考訳（メタデータ） (2022-06-20T01:53:35Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z)
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。