본 논문은 위치 기반 서비스의 증가에 따라 주목받는 머신 러닝 기반 실내 위치 추정의 장기적인 신뢰성 문제를 해결하기 위해, 도메인 및 클래스 증가 학습을 모두 다루는 통합된 지속적 학습 프레임워크인 MOELO를 제안한다. MOELO는 자원 제한적인 모바일 기기에서도 배포 가능하며, 동적이고 이질적인 실제 환경에서 지속적인 학습이 가능하다. 혼합 전문가(mixture-of-experts) 구조를 활용하여 각 영역별로 전문가를 점진적으로 학습시키고, 효율적인 라우팅과 낮은 지연 시간을 보장하며, 컴팩트한 모델 크기를 유지한다. 실험 결과, MOELO는 기존 프레임워크 대비 평균 위치 오차 최대 25.6배, 최악의 경우 위치 오차 44.5배, 망각 정도 21.5배 개선을 달성했다.
