
-
生物通官微
陪你抓住生命科技
跳动的脉搏
Neur IT:推动室内机器人物联网中神经惯性跟踪技术的极限
《IEEE Transactions on Mobile Computing》:Neur IT: Pushing the Limit of Neural Inertial Tracking for Indoor Robotic IoT
【字体: 大 中 小 】 时间:2025年12月08日 来源:IEEE Transactions on Mobile Computing 9.2
编辑推荐:
NeurIT采用时间-频率块循环Transformer融合时频特征,结合IMU磁力计数据优化,实现300米内1米误差,显著优于现有基准,并在复杂场景中表现稳健。
室内跟踪对机器人来说至关重要,因为它使机器人能够提供基于位置的服务,并在卫星信号较弱或无法使用的环境中进行导航。为此已经研究了许多技术。基于视觉的方法[1]在条件良好的情况下表现良好,但在简单环境或光照不足的情况下效果不佳。激光雷达(LiDAR)被用于生成精确的跟踪和地图[2],但其成本较高,且在没有特征点的情况下容易产生漂移。利用WiFi[3]、毫米波[4]等技术的无线跟踪方案也得到了广泛研究,但这些方案在现实世界中的性能不够稳定,且部署开销较大。这些方法要么依赖于外部基础设施,要么依赖于环境特征。相比之下,利用惯性测量单元(IMUs)的惯性跟踪技术提供了一种真正无需基础设施的解决方案[5]、[6]。IMU是一个集成了加速度计、陀螺仪和磁力计的独立模块,是包括商用机器人在内的各种设备中的标准组件。基于IMU的跟踪方法不依赖于外部基础设施,因此适用于各种条件下的室内机器人导航。