ترجمه فارسی مقاله ULOC: یادگیری بومی سازی در محیط های پیچیده در مقیاس بزرگ با دامنه های باند فوق العاده گسترده

چکیده

While UWB-based methods can achieve high localization accuracy in small-scale areas, their accuracy and reliability are significantly challenged in large-scale environments. In this paper, we propose a learning-based framework named ULOC for Ultra-Wideband (UWB) based localization in such complex large-scale environments. First, anchors are deployed in the environment without knowledge of their actual position. Then, UWB observations are collected when the vehicle travels in the environment. At the same time, map-consistent pose estimates are developed from registering (onboard self-localization) data with the prior map to provide the training labels. We then propose a network based on MAMBA that learns the ranging patterns of UWBs over a complex large-scale environment. The experiment demonstrates that our solution can ensure high localization accuracy on a large scale compared to the state-of-the-art. We release our source code to benefit the community at https://github.com/brytsknguyen/uloc.

چکیده به فارسی (ترجمه ماشینی)

در حالی که روشهای مبتنی بر UWB می توانند در مناطق در مقیاس کوچک به دقت محلی سازی دست یابند ، صحت و قابلیت اطمینان آنها در محیط های در مقیاس بزرگ به طور قابل توجهی به چالش کشیده می شود.در این مقاله ، ما یک چارچوب مبتنی بر یادگیری به نام ULOC را برای محلی سازی مبتنی بر فوق العاده گسترده (UWB) در چنین محیط های پیچیده ای در مقیاس بزرگ پیشنهاد می کنیم.اول ، لنگرها بدون اطلاع از موقعیت واقعی خود در محیط مستقر می شوند.سپس ، هنگام سفر وسیله نقلیه در محیط ، مشاهدات UWB جمع آوری می شود.در عین حال ، برآوردهای سازگار با نقشه از ثبت داده های ثبت شده (خودبرانی پردازنده) با نقشه قبلی تهیه شده است تا برچسب های آموزش را ارائه دهد.سپس ما یک شبکه را بر اساس Mamba پیشنهاد می کنیم که الگوهای مختلف UWBS را در یک محیط پیچیده در مقیاس بزرگ یاد می گیرد.این آزمایش نشان می دهد که راه حل ما می تواند از دقت محلی سازی بالا در مقیاس وسیع در مقایسه با پیشرفته استفاده کند.ما کد منبع خود را برای بهره مندی از جامعه در https://github.com/brytsknguyen/uloc منتشر می کنیم.