Key points are not available for this paper at this time.
S'appuyant sur des travaux antérieurs qui démontrent l'efficacité des informations de localisation WiFi en soi, dans cet article, nous présentons un robot mobile qui navigue de manière autonome dans des environnements intérieurs en utilisant des données sensorielles WiFi. Nous modélisons le monde comme une carte de signatures WiFi avec des contraintes géométriques et introduisons un modèle perceptuel continu de l'environnement généré à partir de l'échantillonnage de la force du signal WiFi basé sur un graphe discret. Nous contribuons notre algorithme de localisation WiFi qui utilise en continu le modèle perceptuel pour mettre à jour la position du robot en conjonction avec ses données d'odométrie. Nous introduisons ensuite brièvement une approche de navigation qui utilise de manière robuste les estimations de localisation WiFi. Nous présentons les résultats de nos tests exhaustifs de la localisation WiFi indépendamment et en conjonction avec la navigation de notre robot mobile construit sur mesure lors de longues missions autonomes.
Biswas et al. (Sam,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: