Suite-IN：聚合Apple套装运动特征以实现鲁棒惯性导航
机器学习
2024-11-13 v1
摘要
随着可穿戴技术的快速发展，配备IMU的智能手机、智能手表和耳机已成为行人定位等应用的关键设备。然而，传统行人航位推算（PDR）方法难以应对多样的运动模式，而近期的数据驱动方法虽提高了精度，却常因依赖单一设备而缺乏鲁棒性。在本工作中，我们尝试利用嵌入可穿戴设备的低成本商用IMU来提升定位性能。我们提出了一个名为Suite-IN的多设备深度学习框架，聚合Apple套装设备的运动数据用于惯性导航。不同身体部位传感器捕获的运动数据包含局部和全局运动信息，因此必须减少局部运动的负面影响，并从多设备中提取全局运动表征。
引用
@article{arxiv.2411.07828,
title = {Suite-IN: Aggregating Motion Features from Apple Suite for Robust Inertial Navigation},
author = {Lan Sun and Songpengcheng Xia and Junyuan Deng and Jiarui Yang and Zengyuan Lai and Qi Wu and Ling Pei},
journal= {arXiv preprint arXiv:2411.07828},
year = {2024}
}