基于CSI数据的移动机器人室内定位混合神经网络系统
机器人学
2025-11-04 v1 机器学习
摘要
我们提出了一种用于推断移动机器人位置的混合神经网络模型，利用来自Massive MIMO系统的信道状态信息（Channel State Information, CSI）数据。通过利用现有CSI数据集，我们的方法将卷积神经网络（Convolutional Neural Network, CNN）与多层感知器（Multilayer Perceptron, MLP）集成，形成混合神经网络（Hybrid Neural Network, HyNN），用于估计二维机器人位置。CSI读数被转换为使用TINTO工具生成的合成图像。该定位解决方案集成到机器人模拟器中，并使用机器人操作系统（Robot Operating System, ROS），通过异构测试用例进行评估，同时采用卡尔曼滤波等状态估计器。我们的贡献表明了HyNN模型在复杂环境中实现精确室内定位和导航的潜力。该研究遵循并提出了一种适用于不同情景和数据集的通用程序。
引用
@article{arxiv.2511.01797,
title = {Hybrid Neural Network-Based Indoor Localisation System for Mobile Robots Using CSI Data in a Robotics Simulator},
author = {Javier Ballesteros-Jerez and Jesus Martínez-Gómez and Ismael García-Varea and Luis Orozco-Barbosa and Manuel Castillo-Cara},
journal= {arXiv preprint arXiv:2511.01797},
year = {2025}
}
备注
13 pages, 7 figures. Conference paper (ROBOVIS 2025)