Pozicioniranje u zatvorenom prostoru se transformiše sa aplikacijama koje zahtevaju precizno praćenje lokacije. Tradicionalne metode, uključujući otiske prstiju i tehnike zasnovane na senzorima, iako se široko koriste, suočavaju se sa značajnim nedostacima, kao što su potreba za obimnim podacima o obuci, loša skalabilnost i oslanjanje na dodatne informacije senzora. Nedavna dostignuća su nastojala da iskoriste duboko učenje, ali problemi kao što su niska skalabilnost i visoki računarski troškovi ostaju nerešeni.
U nedavnoj studiji objavljenoj u časopisu Satelitska navigacija, istraživači sa Univerziteta Čongking predstavili su „FloorLocator“, sistem koji revolucioniše navigaciju u zatvorenom prostoru sa neviđenom preciznošću i efikasnošću.
FloorLocator postavlja novi standard u navigaciji u zatvorenom prostoru, značajno nadmašujući tradicionalne tehnologije sa vrhunskom preciznošću, skalabilnosti i računarskom efikasnošću. Ovaj inovativni sistem integriše Spiking Neural Netvorks (SNN) sa Graph Neural Netvorks (GNNs), spajajući računarsku efikasnost SNN-a sa naprednim prepoznavanjem obrazaca GNN-a. SNN-ovi donose neuporedivu računarsku efikasnost na sto, dok GNN-ovi prednjače u sofisticiranom prepoznavanju obrazaca.
Ova mešavina ne samo da poboljšava performanse lokalizacije poda, već i odstupa od nefleksibilnih pristupa koji su zahtevali veliki broj podataka iz prošlosti. FloorLocator ponovo zamišlja lokalizaciju poda kao izazov učenja zasnovanog na grafovima, mapirajući pristupne tačke (AP) u dinamički grafikon za lako prilagođavanje novim podešavanjima, podvig bez premca trenutnim tehnologijama.
Postižući najmanje 10% veću tačnost u složenim zgradama sa više spratova od najnovijih metoda, uspeh FloorLocator-a se pripisuje strateškoj integraciji SNN-a za efikasno računanje i GNN-a za adaptivno učenje, revolucionišući navigaciju u zatvorenom prostoru.
Dr Ksianlei Long, vodeći istraživač, je naglasio: „FloorLocator nije samo napredak u tehnologiji; to je korak ka stvaranju otpornijih, efikasnijih i tačnijih sistema za unutrašnju navigaciju. Koristeći pristup učenju zasnovanom na grafovima, može se lako skalirati u nova okruženja bez tereta visokih računarskih troškova i obimnog prikupljanja podataka“.
FloorLocator nadmašuje trenutne tehnologije u preciznosti, skalabilnosti i efikasnosti. Ovaj pristup omogućava dinamično prilagođavanje novim okruženjima i postavlja novi standard u ovoj oblasti, nudeći široke primene od poboljšanja odgovora na hitne slučajeve do poboljšanja pozicioniranja u zatvorenom prostoru i personalizovanih preporuka, postavljajući ga kao ključno rešenje za buduće unutrašnje prostore.
