联邦学习惯性导航算法

精度提升近4倍

基于联邦学习的数据驱动惯导方法，在不增加额外硬件的条件下，将智能手机IMU定位误差从3.6%降至0.8%。

王洁 · Yebo, Wu · 刘儿兀 · Xiaolong, Wu · Qu, Xinyu · Geng, Yuanzhe · Hanfu, Zhang

IEEE Internet of Things Journal 2023

参数信息

定位误差从

3.6 %

技术优势

无需额外硬件

通过联邦学习和分段融合，仅使用低成本的边缘测距能力，替代高密度UWB/Wi-Fi/蓝牙部署。

保护隐私

基于联邦学习的训练方式使原始IMU数据留在本地，无需上传至中心服务器。

应用场景

• 室内定位：无需高密度部署信标，即可实现手机室内定位。
• 行人导航：仅凭手机IMU即可实现行人高精度导航。
• 边缘计算：在终端上训练模型，保护隐私并降低通信成本。
• 移动机器人：为机器人提供低成本的室内定位方案。