Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

ĐịNh vị không dây do AI điều khiển: Nguyên tắc cơ bản, Tiêu chuẩn, Tình trạng hiện đại và Thách thức

Created by
  • Haebom

Tác giả

Guanjin Pan, Yuan Gao, Yilin Gao, Wenjun Yu, Zhiyong Zhong, Xiaoyu Yang, Xinyu Guo, Shugong Xu

Phác thảo

Bài báo này trình bày một khảo sát toàn diện về các công nghệ định vị di động dựa trên trí tuệ nhân tạo (AI). Bài báo nhấn mạnh tầm quan trọng của công nghệ định vị không dây và tiềm năng ứng dụng AI. Bài báo xem xét sự phát triển của các công nghệ định vị di động dựa trên AI/học máy (ML) dựa trên các yêu cầu và khả năng được xác định trong các tiêu chuẩn 3GPP. Bài báo phân tích sự phát triển của tiêu chuẩn định vị 3GPP và xem xét các phiên bản tiêu chuẩn hiện tại và tương lai, tập trung vào tích hợp AI/ML. Bài báo phân loại và tóm tắt các nghiên cứu tiên tiến (SOTA) thành hai loại chính: định vị hỗ trợ AI/ML và định vị trực tiếp dựa trên AI/ML. Loại trước bao gồm phát hiện LOS/NLOS, ước tính TOA/TDOA và ước tính góc, trong khi loại sau bao gồm lấy dấu vân tay, học tập hỗ trợ kiến thức và lập biểu đồ kênh. Các tập dữ liệu công khai tiêu biểu được xem xét và hiệu suất của các thuật toán định vị dựa trên AI được đánh giá bằng cách sử dụng các tập dữ liệu này. Cuối cùng, những thách thức và cơ hội cho định vị không dây dựa trên AI được tóm tắt.

Takeaways, Limitations

•
Takeaways:
◦
Bài viết trình bày toàn diện tình trạng hiện tại và triển vọng tương lai của công nghệ ước tính vị trí di động dựa trên AI/ML.
◦
Khả năng sử dụng trong công nghiệp đã được tăng lên thông qua việc liên kết với các tiêu chuẩn 3GPP.
◦
Chúng tôi so sánh và phân tích ưu và nhược điểm của nhiều kỹ thuật AI/ML khác nhau và xác minh tính thực tiễn của chúng thông qua đánh giá hiệu suất.
◦
Chúng tôi trình bày các trường hợp ứng dụng AI/ML cho nhiều kỹ thuật ước tính vị trí khác nhau, chẳng hạn như phát hiện LOS/NLOS và ước tính TOA/TDOA.
•
Limitations:
◦
ĐáNh giá hiệu suất được trình bày trong bài báo có thể bị giới hạn trong một tập dữ liệu cụ thể và hiệu suất tổng quát trong môi trường thực tế cần được xác minh thêm.
◦
Thiếu sự thảo luận về khả năng giải thích và độ tin cậy của các mô hình AI/ML.
◦
Cần liên tục cập nhật những tiến bộ mới của công nghệ AI/ML.
◦
Thiếu phân tích về sự khác biệt về hiệu suất giữa các nền tảng phần cứng và môi trường truyền thông khác nhau.
👍
Made with Slashpage