Naukowcy opracowali GAIA, geometrycznie świadomy system do czyszczenia i analizy danych z ultra-szerokopasmowych czujników UWB przeznaczony do precyzyjnej rekonstrukcji stref pracy na infrastrukturze transportowej. Algorytm rozwiązuje problem zniekształceń spowodowanych szumem, błędami burst'ów i propagacją poza liniową linią widzenia (NLOS), które tradycyjnie degradują jakość czujników UWB w warunkach zewnętrznych.
GAIA łączy trzy kluczowe elementy: modelowanie zakresu czasowego, latentne szacowanie rozmieszczenia anten infrastruktury oraz deterministyczną projekcję odległości. Podejście to zachowuje czyszczenie zasięgu jako zadanie nadzorowane, jednocześnie orientując nauczone odległości w kierunku geometrycznie spójnej rekonstrukcji stref pracy. Naukowcy przetestowali system na rzeczywistym zewnętrznym zbiorze danych UWB z zsynchronizowanymi pomiarami z UWB, GPS i jednostek pomiarowych bezwładności (IMU), a także weryfikowali odporność przy użyciu symulatora kalibrowanego danymi rzeczywistymi.
Wyniki wykazują, że GAIA osiąga najniższe ogólne MSE zakresu i najwyższą wartość IoU poligonu wśród ocenianych algorytmów opartych na filtrowaniu i uczeniu maszynowym - zmniejszając MSE o 18.4% i poprawiając IoU poligonu o 15.5% w porównaniu z istniejącym modelem PoseMLP. Praca sugeruje, że świadome geometrii czyszczenie zasięgu oferuje efektywną ścieżkę do przestrzennie spójnej rekonstrukcji stref pracy, co ma znaczenie dla systemów inteligentnego transportu i aplikacji infrastrukturalnych.