🤖 machine learning

OmniLoc: A Geometry-Aware Foundation Model for Anchor-Free UE Localization Across Diverse Indoor Environments

OmniLoc 是一种开创性的几何感知基础模型，它通过一个专门的标记化模块、一个用于特征提取的几何感知 Transformer 以及一个几何一致性回归机制，统一了异构无线测量，从而在多种环境中实现了鲁棒的、无锚点的室内用户设备定位。

原作者： Lei Chu, Yuning Zhang, Omer Gokalp Serbetci, Anushka Katiyar, Bassel Abou Ali Modad, Andreas F. Molisch

发布于 2026-06-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Lei Chu, Yuning Zhang, Omer Gokalp Serbetci, Anushka Katiyar, Bassel Abou Ali Modad, Andreas F. Molisch

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图在一个巨大且复杂的购物中心里寻找路径。你没有地图，而且商店的招牌（它们就像 Wi-Fi 信号一样）会根据你所在的楼层或建筑而不断变化。有些楼层有数十家商店；有些则只有几家。有些信号响亮清晰；有些则因为墙壁和人群的阻隔而变得微弱且模糊。这就是你的手机或设备在进行室内定位时每天面临的挣扎。

这篇论文介绍了一种名为 OmniLoc 的新型“智能向导”，旨在解决这个问题，而无需为每栋建筑预先绘制地图。

以下是通过简单的类比来解释 OmniLoc 的工作原理：

1. 问题所在：“混乱”的室内信号

现有的方法就像是试图通过一份每次转弯都会变化的商店名单来在那个购物中心里导航。

不同的建筑，不同的规则： 在一栋建筑中，一个信号可能意味着“你在咖啡馆附近”；但在另一栋建筑中，它可能意味着“你在停车场”。因为墙壁和布局各不相同。
缺失的部分： 有时你的手机能看到 20 个 Wi-Fi 路由器；有时只能看到 3 个。旧系统在信号数量发生变化时会感到困惑。
嘈杂的数据： 信号强度（即“商店招牌”的声音有多大）可能会产生误导。信号强可能仅仅是因为墙壁很薄，而不是因为你离路由器很近。

2. 解决方案：OmniLoc（“通用翻译官”）

作者将 OmniLoc 构建为一个基础模型（Foundation Model）。不要把它看作是针对某一特定建筑的特定地图，而要把它看作是一个超级聪明的学生，这位学生已经学习过成千上万个不同的购物中心、机场和办公园区。它不是在死记硬背特定的平面图，而是在学习无线电信号的“语言”。

OmniLoc 使用三种主要的“超能力”来进行导航：

A. 通用翻译官（统一输入标记化/Unified Input Tokenization）

想象你有一份配料清单：有些用杯测量，有些用克，有些用盎司。普通的厨师会感到困惑。OmniLoc 就像是一个翻译官，将所有这些不同的测量单位转换为一种单一的标准“食谱语言”。

工作原理： 它将杂乱、不同类型的数据（信号强度、信号质量以及哪些路由器可见）转化为一段整洁、标准化的句子，以便计算机可以轻松读取，无论实际存在多少个路由器。

B. 智能侦探（几何感知 Transformer/Geometry-Aware Transformer）

一旦数据被翻译出来，OmniLoc 就会使用一个“侦探”（Transformer 模型）来确定你在哪里。

“关键证人”： 通常，一个强信号是最重要的线索。OmniLoc 知道要格外关注这个“关键证人”。
“配角阵容”： 但它并不会忽略其他信号。它会收集来自较弱信号的“证词”来证实整个故事。
类比： 如果你在一个拥挤的房间里，你不仅听最响亮的声音，还会倾听整个对话以理解语境。OmniLoc 对 Wi-Fi 信号也是如此，它理解信号的“模式”比单个响亮的信号更重要。

C. 上下文地图（几何感知位置估计/Geometry-Aware Location Estimation）

这是侦探做出判断的最后一步。

“地址”检查： 在猜测你的精确坐标（X 和 Y）之前，模型首先会询问：“这是哪栋建筑？哪一层？”
为什么重要： 知道你在“A 栋楼 2 层”会改变模型对信号的解读方式。这就像知道你在图书馆还是在健身房一样；同样的声音在不同地方意味着不同的含义。通过强制模型先识别建筑和楼层，它确保了最终的位置猜测在几何逻辑上是合理的。

3. 结果：为什么它很重要

研究人员在涵盖 16 栋不同建筑、拥有数千个 Wi-Fi 路由器的庞大数据集上测试了 OmniLoc。

更高的准确度： 它比以往的方法更准确地找到了位置，尤其是在信号微弱或建筑布局复杂的棘手情况下。
“即插即用”效应： 作者展示了如果将其他现有的定位工具与 OmniLoc 的“翻译官”和“侦探”部分结合起来，这些工具也会得到显著提升。这就像是给一辆普通的汽车安装了涡轮增压器；车本身已经很好了，但现在它变成了一辆赛车。
从极少样本中学习： 即使面对一个从未见过的全新建筑，它也能通过极少量的全新数据实现快速适应，而旧系统则会完全失效。

总结

OmniLoc 是一个学习如何流利“说”Wi-Fi 信号的新型 AI 系统。它不是试图记住每一栋建筑，而是学习信号在不同形状和大小下表现的底层规则。通过将杂乱的数据翻译成清晰的语言，在忽略噪音的同时倾听最重要的信号，并在做出猜测前始终检查“地址”（建筑和楼层），它可以在任何室内场所实现高精度的定位，即使没有预装地图也是如此。

OmniLoc 技术摘要：一种面向无锚点 UE 定位的几何感知基础模型

问题陈述
由于建筑几何结构的巨大差异、可检测接入点（AP）数量的变化以及接收信号的异质性，室内用户设备（UE）定位在大规模部署中仍面临重大挑战。现有的基于学习的方法在处理多样化环境时往往难以泛化，特别是在无需显式基础设施校准、直接依赖无线测量值的**无锚点（anchor-free）**场景下。主要难点包括：

几何多样性： 平面图、材料和房间密度的差异导致了截断和多径模式的显著不同，使得信号观测值在不同建筑之间、甚至同一建筑内的不同位置之间存在显著差异。
AP 可见性变化： 可观测 AP 的数量随位置而波动，导致输入序列长度不一且输入空间不规则。
信号异质性： 接收信号强度（RSSI）和信道状态信息（CSI）由于路径损耗、阴影衰落以及设备与环境的交互作用而表现出高度变异性，使得固定的功率特征对于鲁棒定位而言并不可靠。

方法论：OmniLoc
本文提出了 OmniLoc，一种旨在直接对原始无线测量值进行无锚点定位的环境交互式基础模型。不同于以往过度依赖合成数据或单环境训练的方法，OmniLoc 基于三个核心架构设计构建：

统一输入标记化（Unified Input Tokenization, UIT）：
为了处理异构测量值（CSI 幅度、RSSI、SINR 和 AP 存在指示符），该模型将这些信号转换为类似于“句子”的表示形式。
- 输入融合： 每个 AP 的 CSI、RSSI 和 SINR 被拼接成一个统一的特征向量。
- 软门控（Soft Gating）： AP 存在标志通过元素级乘法调制这些向量，通过这种方式保留了缺失 AP 的梯度流，而非直接将其置零。
- 序列构建： 全局 AP 信号向量被编码并聚合生成一个“GLOBAL”标记，该标记与经过门控处理的 AP 标记拼接在一起。这使得模型能够捕捉局部 AP 观测值以及更广泛的数据库上下文，而无需假设固定的 AP 排序。
几何感知 Transformer（Geometry-Aware Transformer）：
骨干网络采用了一种定制的 Transformer 编码器，并使用**键填充掩码（Key-Padding Mask, KPM）**来排除填充（未观测到）的 AP 插槽，从而将其从注意力计算中剔除。
- 多探针 AP 聚合（Multi-Probe AP Aggregation, MPAA）： 模型没有采用简单的平均池化，而是采用了多头注意力池化机制。这使得不同的注意力头可以实现专业化分工：某些头可能专注于主导的近端 AP，而另一些头则聚合来自辅助 AP 的补充证据。这解决了传统池化方法中单个强信号 AP 可能被平均化处理的问题。
几何感知位置估计（Geometry-Aware Location Estimation, GLO）：
输出头实现了一个层次化的定位过程（建筑 $\to$ 楼层 $\to$ 坐标），以强制执行几何一致性。
- 模型首先预测建筑和楼层索引。
- 这些离散预测被投影为连续的几何嵌入。
- 这些嵌入与聚合后的特征表示进行融合，以约束坐标回归。这确保了预测的 $(x, y)$ 坐标在空间上与识别出的建筑和楼层结构保持一致。

核心贡献

首个针对原始测量的基础模型： OmniLoc 被认为是第一个针对无线测量值构建的、用于无锚点室内定位的基础模型方法，明确解决了几何多样性和可变 AP 数量的问题。
新颖的架构组件： 引入了统一输入标记化、多探针 AP 聚合机制以及几何感知位置估计模块。
广泛的评估： 该框架在一个大规模自建数据集（16 栋建筑、180 条走廊、3,293 个 AP）和一个公开基准数据集（WILD 数据集）上进行了验证。

结果

卓越的精度： 在同环境评估中，OmniLoc 显著优于最先进的基准模型（CNN、BERT 和 LWM）。它实现了 0.553 m 的中位数误差和 0.990 m 的均方根误差（RMSE），在尾部误差指标（P90）方面提升尤为显著。
组件可迁移性： 将 OmniLoc 的设计组件（标记化、MPAA、GLO）集成到现有骨干网络（如 CNN+、BERT+）中，能够持续提升其性能，证明了所提原则的泛化性。
跨环境泛化能力： 在“留一楼层法”和“留一建筑法”场景下，OmniLoc 展示了鲁棒的泛化能力。当结合参数高效微调（PEFT）策略（如 LoRA）时，模型即使在极少量标注数据（1%–10%）的情况下也能实现高精度，显著优于在低数据量级下从头训练的模型。
效率： 尽管性能提升显著，OmniLoc 的参数量和计算复杂度仍与现有的主流大模型（如 LWM）相当，推理延迟约为 6.49 ms。

意义与主张
作者声称 OmniLoc 代表了向统一、准确且可扩展解决方案的转变。通过将定位视为一项基础模型任务，这项工作证明了：

通过无需预先勘测基础设施的方式，实现跨多样化室内几何结构的鲁棒无锚点定位是可行的。
无线信号异质性和可变 AP 可见性等特定挑战，可以通过统一标记化和几何感知注意力机制得到有效管理。
在大规模、多样化数据集上进行预训练，可以实现强大的迁移能力，从而减少对大量特定环境数据采集的依赖。

论文总结道，尽管目前仍存在局限性（例如排除了 CSI 相位信息以及使用了粗略的几何先验），但该框架为未来通过整合更细粒度的环境上下文来实现毫米级精度建立了一个极具前景的方向。