arXiv cs.AI· Mohamed Bachar (LINEACT), Ilyass Abouelaziz (LINEACT), Yuehua Ding (LINEACT)·· 10 小时前AI 评分18
连续时间 Set-Transformer 实现异步 WiFi-IMU 室内定位
Continuous-Time Set-Transformers for Asynchronous WiFi-IMU Indoor Localization
AI 导读
研究者提出一种连续时间 Transformer，将 WiFi RSSI 与 IMU 观测表示为带时间戳的无序 token 集合，用单个注意力模块联合融合跨模态与跨时间信息，无需重采样和模态专用分支。训练时随机遮蔽整个模态和单条观测，使模型可在输入缺失或过期时工作。在跨会话漂移场景下优于开放 WiFi 指纹基线，与学习融合及航位推算基线相当，并随观测缺失或过期平缓退化。
正文 · AI 翻译
摘要：室内定位通常将 WiFi 接收信号强度指示（RSSI）指纹与惯性测量相结合。然而，这些传感器数据流以不同速率异步采样；因此，观测在时间上很少对齐，并且可能缺失或过时。大多数现有方法将数据重采样到统一时钟上，并使用单独的分支处理每种模态。我们则提出一种连续时间 transformer，将观测表示为带时间戳 token 的无序集合。每个 token 编码其测量值、模态以及自采集以来经过的时间。单个注意力模块联合融合跨模态和时间的信息，既避免重采样，也避免模态特定分支，同时对 token 顺序保持不变。在训练期间，我们随机掩蔽整个模态和单个观测，使模型能够在输入缺失或过时的情况下运行。我们在各自的基准上验证模态特定编码器，并在模拟和真实数据集上评估融合模型，包括在未见过的日期上收集的跨会话数据集。所提出的方法在跨会话漂移下优于一个开放的 WiFi 指纹基线，与学习融合和航位推算基线保持竞争力，并在观测缺失或过时时优雅降级。这些结果表明，单个连续时间 transformer 为来自异步传感器的室内定位提供了一个实用框架。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.13057 [cs.LG] |
| （或 arXiv:2611.13057v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13057 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | 第 23 届控制、自动化与机器人学信息学国际会议，2026 年 10 月，法国昂热。第 331-342 页 |
提交历史
来自：Mohamed BACHAR [查看电子邮件] [通过 CCSD 代理]
[v1]
2026 年 11 月 9 日星期一 15:54:11 UTC（1,606 KB）
来源：arXiv cs.AI · arxiv.org