《Machine Learning with Applications》：An indoor autonomous target navigation modular framework based on elliptical fireworks and YOLO-based object detection
编辑推荐：
本研究提出一种融合射频（Radio Frequency, RF）信号与You Only Look Once（YOLO）的室内自主目标（如无人机、机器人）导航模块化框架，由定位模块与感知导航模块组成。该架构将定位与导航功能解耦，使感知导航模块可独立于定位模块所选
本研究提出一种融合射频（Radio Frequency, RF）信号与You Only Look Once（YOLO）的室内自主目标（如无人机、机器人）导航模块化框架，由定位模块与感知导航模块组成。该架构将定位与导航功能解耦，使感知导航模块可独立于定位模块所选用的定位算法运行。定位模块采用质心（Central Mass, CM）初始化与椭圆烟花（Elliptical Fireworks, EF）精细化策略的混合方法，较单一CM估计实现约33%的定位精度提升。感知导航模块基于视觉导航算法，通过机载相机数据实现紧急出口标志检测与解析，结合滑动窗口搜索、方位角估计及距离感知速度控制生成自主导航指令，无需预定义地图。仿真与真实实验验证表明，所提框架在测试场景下平均均方根误差（Average Root Mean Squared Error, ARMSE）低于0.7米，具备高精度与鲁棒性。
本研究针对GPS拒止环境下室内自主移动机器人（Autonomous Mobile Robots, AMRs）与无人机（Unmanned Aerial Vehicles, UAVs）的定位与导航需求展开。当前主流方案依赖专用硬件，导致功耗与重量受限，且机器学习方法在动态环境中需频繁重训练，适用性受限。为此，研究人员构建了模块化导航框架，实现定位与导航的解耦设计，支持定位算法的灵活替换。研究提出融合CM初始化与EF优化的混合定位算法，将CM估计结果作为烟花中心，沿运动预测确定的椭圆区域生成候选点（“火花”），通过最大似然函数筛选最优估计，突破传统烟花算法（Fireworks Algorithm, FWA）的多轮迭代限制，实现单步高效优化。同时构建包含3228张图像（1033张真实场景、2195张Gazebo仿真环境）的紧急出口标志数据集，训练YOLOv26n模型实现标志检测，结合滑动窗口搜索、方位角估计与距离感知速度控制，实现无预定义地图的自主导航。实验结果表明，所提框架在仿真与真实场景中ARMSE分别低于0.65米与0.35米，EF算法较CM初始化精度提升最高达48%，YOLO模型推理时间仅3.504毫秒，满足近实时应用需求。该研究发表于《Machine Learning with Applications》，为室内无地图导航提供了高精度、低复杂度的解决方案，其模块化设计为多模态定位算法的集成奠定了基础。
研究人员开展研究采用的关键技术方法包括：基于质心（CM）与圆交点几何的初始定位方法；改进的单步椭圆烟花（EF）优化算法，通过运动预测确定椭圆长短轴以约束搜索空间；采用Optuna优化的YOLOv26n目标检测模型，训练数据集包含真实场景与Gazebo仿真生成的紧急出口标志图像；滑动窗口搜索机制用于小目标检测；基于边界框占比的距离感知速度控制策略；采用平均均方根误差（ARMSE）作为定位性能评价指标，对比算法包括加权质心（Weighted Central Mass, WCM）、隐马尔可夫模型（Hidden Markov Model, HMM）与网格搜索（Grid Search, GS）。
研究结果部分首先阐述定位问题建模。研究人员建立包含非视距（Non-Line-of-Sight, NLoS）偏差与高斯噪声的测距模型，推导基于最大似然估计的目标函数，指出其非凸特性易导致局部最优问题。通过圆交点计算与凸包聚类生成CM初始估计，再以运动状态预测为基础构建椭圆搜索区域，生成候选火花并通过最大似然函数筛选最优估计，实现单步EF优化。
导航问题部分，研究人员采用YOLO框架实现目标检测，通过卷积层、最大池化层与全连接层提取特征，输出紧急出口标志的类别与置信度。构建包含三类标志（门下、门左、门右）的数据集，涵盖运动模糊、低光照与倾斜视角等挑战性条件，采用Optuna优化超参数，训练后的YOLOv26n模型平均推理时间为3.504毫秒，满足实时性要求。
模块化框架部分，研究人员设计双模块解耦架构，定位模块输出统一坐标系下的位置估计，支持射频、视觉、激光雷达（Light Detection and Ranging, LiDAR）等多种定位技术接入。定位模块采用CM-EF混合算法，导航模块基于YOLO检测结果执行滑动窗口搜索、方位角估计与速度控制，形成完整导航流水线。
性能分析的计算复杂度部分，研究人员对比EF、WCM、HMM与GS的复杂度，EF复杂度为O(P×N)，平均预测时间0.0193秒，虽高于WCM与HMM，但仍满足近实时应用需求。
仿真评估部分，研究人员在Gazebo环境中构建三个含障碍物场景，EF算法在三个场景中的ARMSE分别为0.3109米、0.6404米与0.3199米，较CM初始化提升18%-48%，性能接近理想初始化的HMM，但显著优于CM初始化的HMM。
真实实验部分，研究人员采用Parrot Anafi 4K无人机与ELIKO超宽带（Ultra-Wide-Band, UWB）实时定位系统（Real Time Localization System, RTLS）开展测试，EF算法ARMSE为0.3497米，优于WCM的0.4190米与CM的0.4432米，验证了框架的实际可行性。
讨论部分，研究人员分析EF算法中火花数量P的最优取值为100，平衡精度与计算效率。YOLO模型的每类标志性能均衡，但在严重遮挡、极小目标与强运动模糊场景下存在检测失败情况，需扩充数据集以提升鲁棒性。滑动窗口机制虽增加43.1倍推理时间，但对远距离小目标检测至关重要，且仅在无初始检测时激活，整体影响可控。研究指出当前框架缺乏360°扫描无结果后的恢复策略，未来可集成壁障跟随或RF归航机制。此外，真实实验仅在单一环境开展，后续需在多样场景中验证泛化性。
结论部分，研究人员总结所提模块化框架通过CM-EF混合定位与YOLO视觉导航的协同，实现了高精度室内导航。定位模块的解耦设计支持多算法集成，视觉导航模块无需预定义地图即可可靠识别紧急出口标志。仿真与真实实验验证了框架的有效性与鲁棒性，为室内自主导航提供了可行技术方案。未来研究将探索无摄像头无线感知导航方法与新型定位算法开发。
