Robust simultaneous UWB-anchor calibration and robot localization for emergency situations
Institute of Engineering and Technology (ENTEG) at the Faculty of Science and Engineering, University of Groningen（工程学院（ENTEG）于格罗宁根大学）
针对紧急情况UWB锚点手动校准难的问题，提出基于因子图优化的框架，仅用机器人UWB和LiDAR数据同步完成锚点校准与定位，30秒内自动解决4锚点场景，提升准确性与部署效率。
2025-08-20 cs.RO
Range-SLAM: Ultra-Wideband-Based Smoke-Resistant Real-Time Localization and Mapping
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Pengcheng Lab（鹏城实验室）；RISC-V International Open Source Laboratory（RISC-V国际开源实验室）
针对低能见度恶劣环境下光学传感器SLAM失效的问题，提出基于通用UWB设备的轻量实时Range-SLAM系统，结合光线投射算法与WLS方法实现2D栅格建图与定位，已开展含烟雾环境的真实实验验证。
2024-09-15 cs.RO
STAR-loc: Dataset for STereo And Range-based localization
University of Toronto（多伦多大学）；McGill University（麦吉尔大学）；Polytechnique Montreal（蒙特利尔理工学院）
本文档详细介绍了STAR-loc数据集，该数据集包含在Vicon场地采集的双目相机、IMU和UWB数据，并已知锚点与地标位置，可用于定位与SLAM研究。
2023-09-11 cs.RO
UVIO: An UWB-Aided Visual-Inertial Odometry Framework with Bias-Compensated Anchors Initialization
Control of Networked Systems Group, University of Klagenfurt（网络化系统控制组，克雷根弗特大学）；Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学）
UVIO框架利用UWB技术和视觉-惯性里程计实现鲁棒低漂移定位，通过无人机自主初始化未知锚点，利用GDOP优化锚点位置估计，减少映射不确定性，最终消除初始化锚点范围内的VIO漂移。
2026-04-22 cs.RO
Ultra-Wideband Aided Fast Localization and Mapping System
Nanyang Technological University（南洋理工大学）
本文提出了一种利用惯性传感器和深度相机的超宽带（UWB）辅助定位和映射系统。视觉里程计（VO）系统在短期内精度较高，但在长期或不利环境下仍面临误差积累的挑战。开发了一个通用框架，由三个并行线程，其中两个进行视觉惯性测距（VIO）和UWB定位分别。另一个映射线程将视觉跟踪约束与所提出的平滑和虚拟范围约束集成到姿态图中，使得执行优化以提供鲁棒的轨迹估计。实验表明，该系统能够实时创建密集的无漂移地图，即使在无特征的环境中运行在超低功耗的处理器上。
2017-09-30 cs.RO
Deployment-Ready UWB Localization for Industrial Ground Robots with Automatic Anchor Calibration and Terrain-Aware Fusion
AGILOX Services GmbH（阿吉洛克斯服务有限公司）；University of Klagenfurt（克拉根福大学）
研究工业地面机器人UWB定位问题，提出结合自动锚定校准与通用多传感器估计器的端到端管道，经实验验证该方法能在减少人工的同时保持定位精度，且可转移到其他平台，还公开了仓库数据集。
2026-08-04 cs.RO
Real-Time Initialization of Unknown Anchors for UWB-aided Navigation
Control of Networked Systems Group, University of Klagenfurt（网络化系统控制组，克雷根弗特大学）
本文提出了一种实时初始化未知UWB锚点的框架，结合在线PDOP估计、轻量级异常检测和自适应鲁棒核，提升鲁棒性和实用性。通过保守的初始化指标，实现更优的初始化几何和更低的定位误差。
2026-04-22 cs.RO
CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors
National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（湖南大学机器人视觉感知与控制技术国家工程研究中心）；School of Artificial Intelligence, Changsha University of Science and Technology（长沙理工大学人工智能学院）；School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院）；State Key Laboratory of Chemistry for NBC Hazards Protection, Beijing（核生化防护化学重点实验室，北京）
CT-UIO通过非均匀B样条和改进EKF实现更少锚点下的高精度UWB-惯性里程计定位，提升定位精度17.2%-26.1%。
2025-12-15 cs.RO
Accurately Tracking Relative Positions of Moving Trackers based on UWB Ranging and Inertial Sensing without Anchors
ETH Zürich（苏黎世联邦理工学院）
本文提出一种无需固定锚点、基于UWB测距和惯性传感的移动节点相对定位系统，通过EKF与MDS动态反馈融合，在移动和遮挡条件下实现厘米级定位精度。
2024-09-19 cs.RO
MonoEgo: Monocular Metric Egocentric Demonstration Capture with Passive Wrist Constellations and Sparse Workstation Anchors
Anyverse Dynamics
MonoEgo利用单目相机和被动腕部星座，通过离线重建实现无需主动设备的度量第一人称演示捕捉，减少硬件需求，但动态精度待验证。
2026-09-29 cs.RO
Autocalibration of a Mobile UWB Localization System for Ad-Hoc Multi-Robot Deployments in GNSS-Denied Environments
University of Turku（图尔库大学）
近年来，超宽带（UWB）无线技术作为一种鲁棒的定位方法在机器人领域得到了越来越多的渗透。UWB使得即使在非视线测量中也能够从无线信号的飞行时间测量进行高精度距离估计。基于UWB的定位系统已经被用于地面或空中自主机器人的各种类型的GNSS拒绝环境中。然而，大多数现有的解决方案依赖于一个固定的和良好校准的UWB节点，或锚，以准确地估计其他移动节点的位置，或标签，通过定位。这限制了这种系统用于动态和自组织部署的适用性，例如，UWB锚可以安装在移动机器人上以帮助UAV或其他机器人导航的灾后场景。我们介绍了一种协作算法的锚点位置的在线自动校准，使不仅ad-hoc部署，但也可移动的锚点，基于Decawave的DWM 1001 UWB模块。与Decawave的内置自动校准过程相比，我们大大减少了校准时间，同时提高了精度。我们提供了实验测量和仿真结果来证明该算法的可用性。
2020-04-14 cs.RO eess.SP
TEAM: Trilateration for Exploration and Mapping with Robotic Networks
University of Southern California（南加州大学）；NASA Goddard Space Flight Center（美国国家航空航天局戈达德太空飞行中心）
受月球探测的启发，我们考虑部署一个移动机器人网络来探索未知的环境，同时作为一个合作定位系统。机器人测量和传送与位置相关的数据，以便在缺乏基于基础设施的解决方案（例如固定信标或GPS）的情况下执行定位。我们提出了三边测量的勘探和测绘（TEAM），低复杂度的定位和映射与机器人网络的一种新算法。TEAM旨在利用机器人上商用超宽带（UWB）无线电的能力，提供厘米精度的距离估计，并在共享的固定框架中执行无锚定位。它非常适合于缺乏功能的环境，其中基于功能的本地化方法受到影响。我们提供的实验结果在不同的露台模拟环境，以及在测试平台上的Turtlebot 3汉堡Pozyx UWB无线电。我们比较TEAM流行的Rao-Blackwellized粒子滤波器的同时定位与地图构建（SLAM）。我们证明，TEAM需要一个数量级的计算复杂性，并减少了一个数量级的激光雷达测量所需的采样率。这些优势并不需要牺牲性能，因为TEAM将最大定位误差降低了50%，并在缺乏特征的环境中实现了高达28%的地图精度提高，并在其他设置中实现了相当的地图精度。
2021-04-15 cs.RO
AniTrack: A Power-Efficient, Time-Slotted and Robust UWB Localization System for Animal Tracking in a Controlled Setting
ETH Zurich（苏黎世联邦理工学院）；Zoo Zurich（苏黎世动物园）
本文提出AniTrack系统，通过时隙化SS-TWR和LoRaWAN实现电池供电的低功耗UWB定位，在600 m2场地达到13.96 cm平均精度并可持续运行25天，并在热带生物群落中成功部署用于追踪象龟。
2025-05-30 cs.RO
V2I Work Zone Geometry Reconstruction with Pose-Conditioned UWB Range Denoising
Department of Civil & Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系）
针对V2I工作区几何重建中UWB测距受突发异常、非视距误差和位姿不确定性的影响，提出一种位姿条件、排列等变的预测去噪器，通过共享锚点时间预测、对称集聚合和位姿条件残差解码，显著提升测距精度和几何重建质量。
2026-05-28 cs.AI cs.RO
UWB Anchor Based Localization of a Planetary Rover
Julius Maximilian University Würzburg（维尔zburg尤利乌斯-马克西米利安大学）；ETH Zürich（苏黎世联邦理工学院）；Technical University of Applied Sciences Würzburg-Schweinfurt（维尔茨堡-施韦因富特应用技术大学）；Austrian Space Forum（奥地利空间论坛）
针对行星探索中缺乏全局参考导致的定位难题，提出利用火箭发射UWB锚节点建立自身坐标系，并结合SLAM实现机器人定位，系统已应用于ESA-ESRIC 2021挑战赛和AMADEE-24模拟火星任务。
2025-04-10 cs.RO cs.SY eess.SY
FEJ-VIRO: A Consistent First-Estimate Jacobian Visual-Inertial-Ranging Odometry
Zhejiang University（浙江大学）
近年来，视觉惯性里程计（VIO）取得了许多重大进展。然而，VIO方法在长轨迹上遭受定位漂移。在本文中，我们提出了一个初步估计雅可比视觉惯性测距测距（FEJ-VIRO），以减少定位漂移的VIO框架\textit{consistently}的超宽带（UWB）测距测量。考虑到超宽带锚点的初始位置通常是不可用的，我们提出了一个长短窗口结构来初始化超宽带锚点的位置以及状态增强的协方差。初始化后，FEJ-VIRO估计UWB锚的位置，同时随着机器人的姿态。我们进一步分析了视觉惯性测距估计器的可观测性，证明了在理想情况下存在\textit{four}不可观测方向，而在实际情况下，由于虚假信息的增益，其中一个不可观测方向消失。基于这些分析，我们利用FEJ技术来执行不可观测的方向，从而减少估计的不一致性。最后，我们验证了我们的分析和评估建议FEJ-VIRO与模拟和现实世界的实验。
2022-07-17 cs.RO
Integration of UWB Radar on Mobile Robots for Continuous Obstacle and Environment Mapping
Department of Information Technology, Ghent University - imec - IDLab（信息科技系，根特大学 - imec - IDLab）
本文提出了一种基于UWB雷达的移动机器人环境建图方法，通过三步处理流程实现高精度障碍物检测，适用于无视觉特征和无固定锚点的未知环境。
2026-03-03 cs.RO
MIR-VIO: Mutual Information Residual-based Visual Inertial Odometry with UWB Fusion for Robust Localization
多年来，应用于移动机器人和无人机的视觉里程计取得了令人印象深刻的进展。然而，视觉感知仍然是一个具有挑战性的领域，因为视觉传感器在使用单目相机获取正确的尺度信息方面存在一些问题，并且容易受到照明变化的情况的影响。在本文中，UWB传感器融合提出的视觉惯性测距算法作为一种解决方案，以减轻这个问题。考虑到超宽带的特点，设计了一种基于互信息的代价函数。考虑到UWB信号模型的特点，其中的不确定性增加的UWB锚和标签之间的距离的增加，我们引入了一个新的残差项的成本函数。在室内环境中进行实验时，通过UWB传感器融合，解决了特征点较少的环境中的初始化问题，定位具有鲁棒性。当残差项采用互信息的概念时，可以得到最鲁棒的里程计。
2021-09-08 cs.RO
Robust Online Calibration for UWB-Aided Visual-Inertial Navigation with Bias Correction
Department of Electrical and Computer Engineering, George Mason University（乔治·马歇尔大学电气与计算机工程系）；Department of Electrical and Computer Engineering, University of California, Riverside（加州大学河滨分校电气与计算机工程系）；Department of Electrical Engineering and Computer Science, University of Tennessee, Knoxville（田纳西大学克林顿分校电气工程与计算机科学系）
针对UWB辅助VINS中锚点校准存在的初始化定位误差敏感和鲁棒性不足问题，提出一种纳入定位不确定性的鲁棒在线校准框架及基于SKF的紧耦合优化方法，提升了校准的准确性与实用性。
2025-08-14 cs.RO cs.SY eess.SY
Semi-Supervised Novelty Detection for Precise Ultra-Wideband Error Signal Prediction
Politecnico di Torino（都灵理工大学）
针对环境反射和NLoS导致UWB定位可靠性下降的问题，提出基于指纹半监督新颖性检测的地图特定误差预测方法，并用视觉跟踪真值细粒度实验验证其性能。
2024-04-08 cs.RO
UWB-based system for UAV Localization in GNSS-Denied Environments: Characterization and Dataset
University of Turku（图尔库大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
在过去的几年里，小型无人机（UAV）已经渗透到多个领域。在GNSS拒绝或室内环境中，空中机器人需要一个强大而稳定的定位系统，通常具有外部反馈，以便安全飞行。当需要精确定位时，运动捕捉系统通常在室内使用。然而，这些系统是昂贵的，并且大多数需要固定的设置。最近，视觉惯性里程计和类似的方法已经发展到自主无人机可以依靠它们进行定位的程度。在这种情况下，主要的限制来自环境，以及在长期自治由于积累的错误，如果循环关闭不能有效地执行。例如，在灾后情况下，由于灰尘或烟雾造成的低能见度的影响可能使里程计方法不适用。在本文中，我们研究和表征超宽带（UWB）系统的导航和定位的空中机器人室内Decawave的DWM1001 UWB节点的基础上。该系统是便携式的，便宜的，并可以在其整体电池供电。我们展示了该系统用于无人机自主飞行的可行性，并提供了开源方法和数据，使其即使在可移动锚系统中也能广泛应用。我们根据无人机相对于锚点的位置、其高度和速度以及锚点在空间中的分布来表征精度。最后，我们分析了锚点位置自校准的精度。
2020-08-02 cs.RO cs.SY eess.SY
Infrastructure-free Localization of Aerial Robots with Ultrawideband Sensors
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
集群中的机器人利用运动捕捉系统或GPS传感器来获得它们的全球位置。然而，运动捕捉系统是依赖于环境的，并且GPS传感器在遮挡环境中不可靠。为了在群体中进行可靠和多功能的操作，机器人必须相互感知并在本地进行交互。出于这一要求，在这里，我们提出了一个板上定位框架的多机器人系统。我们的框架包括一个锚机器人与三个超宽带（UWB）传感器和一个标签机器人与一个单一的UWB传感器。锚机器人利用三个UWB传感器作为定位基础设施，并估计标签机器人的位置，仅使用其板上的传感和计算能力，没有明确的机器人间的通信。我们利用双蒙特卡洛定位方法来捕捉标签机器人的敏捷机动与可接受的精度。我们验证了我们的算法的有效性与模拟和室内和室外实验上的两个无人机设置。建议的双MCL算法产生高度准确的估计各种速度剖面的标签机器人，并表现出优越的性能超过标准的粒子滤波器和扩展的卡尔曼滤波器。
2018-09-21 cs.RO
An algorithm for real-time restructuring of a ranging-based localization network
University of California, Berkeley（加州大学伯克利分校）
本文提出了一种方法，以提高定位精度的机器人工作在基于范围的定位网络。该方法是有利的，特别是当机器人在恶劣的环境中操作时，在恶劣的环境中，对鲁棒性和可靠的定位系统的访问是有限的。状态估计器用于使用惯性传感器以及超宽带（UWB）距离测量传感器的六个自由度的对象。该估计器被纳入到一个自适应算法，通过使用移动UWB测距传感器，其中移动锚移动，以提高定位质量的代理的定位质量。该算法实时的【形】重构定位网络，使协方差矩阵的行列式在最小二乘误差意义下最小。最后，在一个由一个移动和四个固定锚点组成的网络中对该算法进行了实验验证。
2018-04-25 cs.RO
CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors
School of Mathematics, Hefei University of Technology（合肥工业大学数学学院）
本文提出一种基于样条的连续时间状态估计方法，用于视觉-惯性-测距融合定位，通过预处理阶段构建虚拟锚点并拒绝异常值，提升几何退化和测距可靠性，采用B样条参数化姿态轨迹并联合优化控制点和辅助参数，实验证明其有效性。
2026-04-16 cs.RO
Land & Localize: An Infrastructure-free and Scalable Nano-Drones Swarm with UWB-based Localization
University of Bologna（博洛尼亚大学）；Technology Innovation Institute（技术创新研究所）；KU Leuven（荷语鲁汶大学）；ETH Zürich（苏黎世联邦理工学院）；Dalle Molle Institute for Artificial Intelligence (IDSIA)（达勒莫勒人工智能研究所（IDSIA））；USI-SUPSI（瑞士意大利语区大学-瑞士南部应用科学与艺术大学）
本研究针对10厘米级纳米无人机机载功率受限问题，提出无需固定基础设施的UWB定位蜂群方案，通过部分无人机充当可自动部署的动态锚点实现灵活定位，在多场景下验证了其精度、可扩展性与低功耗优势。
2023-07-17 cs.RO cs.SY eess.SY
CVIRO: A Consistent and Tightly-Coupled Visual-Inertial-Ranging Odometry on Lie Groups
Department of Electrical and Computer Engineering, George Mason University（电气与计算机工程系，乔治·马歇尔大学）
针对UWB辅助VIO系统因可观测性破坏和忽略锚点校准不确定性导致的不一致问题，提出基于李群的紧耦合视觉-惯性-测距里程计CVIRO，通过联合估计锚点状态并利用不变误差特性，证明了算法保持正确不可观测子空间，显著提升了定位精度与一致性。
2025-08-14 cs.RO cs.SY eess.SY
PEOPLEx: PEdestrian Opportunistic Positioning LEveraging IMU, UWB, BLE and WiFi
Samsung Electronics, Canada（三星电子加拿大分公司）
本文提出PEOPLEx框架，以IMU惯性导航为主干，机会性融合UWB、BLE和WiFi信号，通过非线性因子图优化及自适应缩放和回环闭合因子，实现无需环境先验知识的实时室内行人定位。
2023-11-30 cs.RO
Towards Large-Scale Relative Localization in Multi-Robot Systems with Dynamic UWB Role Allocation
University of Turku（图尔库大学）
超宽带测距技术是多机器人系统中机器人定位和相对定位的关键技术。目前，多个作品正在向更具可扩展性的系统发展，但挑战仍然存在。本文提出了一种新的方法，在多机器人系统的相对定位的UWB节点的角色之间动态分配的主动节点（使用飞行时间的距离估计到其他主动节点）和被动节点（使用时间差的到达估计相对于主动节点对的距离差）。我们自适应地更新UWB角色的机器人的位置相对于由主动节点定义的凸包络的基础上，并引入本地化频率和精度要求的形式的约束。我们证明了所提出的方法的适用性，并表明，定位误差保持可比的固定角色系统。然后，我们展示了自主无人机的导航如何受到定位系统变化的影响，获得比仅依赖被动定位时更好的轨迹跟踪精度。我们的研究结果铺平了道路UWB为基础的本地化在大规模的多机器人部署，无论是相对定位或在GNSS拒绝环境中的应用。
2022-03-08 cs.RO
UTIL: An Ultra-wideband Time-difference-of-arrival Indoor Localization Dataset
University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所）；University of Toronto Robotics Institute（多伦多大学机器人研究所）；Vector Institute for Artificial Intelligence（向量人工智能研究所）；Technical University of Munich（慕尼黑工业大学）；Munich Institute for Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
该论文提出了UTIL，一个基于UWB TDOA的室内定位数据集，包含约150分钟飞行实验数据，用于基准测试移动机器人在杂乱环境中的定位性能。
2024-02-05 cs.RO
Collaborative Localization and Tracking with Minimal Infrastructure
École Polytechnique de Montréal（蒙特利尔高等理工学院）；University of Tübingen（图宾根大学）
定位和跟踪是机器人、自动化和物联网研究的两个非常活跃的领域。对大量设备的精确跟踪通常需要部署大量基础设施（红外跟踪系统、摄像机、无线天线等），这对于不可接近的或受保护的环境是不理想的。本文源于这样的环境所带来的挑战：覆盖大量的单元分布在大量的小房间，以最小的本地化基础设施。这个想法是准确地跟踪手持设备或移动机器人的位置，而不会干扰其架构。利用超宽带（UWB）设备，我们利用我们在分布式和协作机器人系统方面的专业知识，开发了一种需要最少数量的固定锚的新型解决方案。我们讨论了一种策略，共享UWB网络与扩展的卡尔曼滤波器推导协作定位和跟踪UWB装备的设备，并显示结果，从我们的实验活动跟踪游客在法国香波堡。
2019-05-07 cs.RO eess.SP
Learning-based Bias Correction for Time Difference of Arrival Ultra-wideband Localization of Resource-constrained Mobile Robots
Institute for Aerospace Studies, University of Toronto（多伦多大学航空航天研究所）；Vector Institute for Artificial Intelligence（矢量人工智能研究院）
准确的室内定位是许多机器人应用的关键技术，从仓库管理到监控任务。基于超宽带（UWB）到达时间差（TDOA）的定位是一种很有前途的轻量级、低成本解决方案，可以扩展到大量设备，使其特别适合于资源受限的多机器人应用。然而，标准的，商用UWB无线电的定位精度往往是不够的，由于显着的测量偏差和离群值。在这封信中，我们解决这些问题，提出了一个强大的UWB TDOA定位框架，包括（i）基于学习的偏差校正和（ii）基于M估计的鲁棒滤波处理离群值。我们的方法的关键特性是，（i）学习的偏见推广到不同的UWB锚设置和（ii）该方法是计算效率足够的资源受限的硬件上运行。我们在Crazyflie纳米四轴飞行器上展示了我们的方法。实验结果表明，所提出的定位框架，仅依赖于板载IMU和UWB，提供了一个平均的42.08%的定位误差减少（在三个不同的锚设置）相比，基线方法没有偏置补偿。{We还示出了使用我们的UWB TDOA定位方法的四轴飞行器上的自主轨迹跟踪。
2021-03-02 cs.LG cs.RO
On-line Optimal Ranging Sensor Deployment for Robotic Exploration
University of Trento（特伦托大学）
移动机器人在没有任何定位基础设施的未知环境中导航一直是困难的。本文提出了一种自部署的超宽带UWB基础设施的移动代理，允许一个动态的位置和运行时扩展的UWB锚基础设施，而机器人探索新的环境。我们提供了一个详细的分析定位系统的不确定性，而UWB基础设施的增长。此外，我们开发了一种遗传算法，最大限度地减少部署新的锚，节省能源和资源的移动机器人和最大限度地提高任务的时间。虽然所提出的方法是通用的任何类的移动系统，我们运行模拟和实验室内无人机。结果表明，最大定位不确定性总是控制在用户的阈值，使用几何精度因子（GDoP）。
2021-10-17 cs.MA cs.RO
Infrastructure-less UWB-based Active Relative Localization
University of Perugia（佩鲁贾大学）
本文提出一种基于UWB的无基础设施主动相对定位方法，通过设计专用锚点布置和新型UWB相对定位损失函数训练深度强化学习控制器，使机器人主动调整位置以最小化他机定位误差，实验显示定位误差较现有方法最多降低60%。
2024-12-26 cs.RO
Dual Covariance Gaussian Splatting SLAM: Decoupling Rendering and Registration for Robust Real-Time Tracking
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
针对3DGS SLAM中协方差同时用于渲染与配准的冲突，提出双协方差参数化，分离渲染与跟踪协方差，并利用跟踪协方差锚定角点，在多个数据集上实现鲁棒实时跟踪并降低漂移。
2026-09-23 cs.CV cs.RO
Adaptive Robot Localization with Ultra-wideband Novelty Detection
Department of Electronics and Telecommunications (DET) Politecnico di Torino（电子工程与电信系（DET）都灵理工大学）
本文提出一种结合半监督自编码器新颖性检测与扩展卡尔曼滤波的自适应UWB机器人定位方法，在室内非视距杂乱环境中实现平均近60%的定位精度提升。
2025-05-09 cs.RO
Benchmarking UWB-Based Infrastructure-Free Positioning and Multi-Robot Relative Localization: Dataset and Characterization
University of Turku（图尔库大学）
本文提出一个用于多机器人无基础设施相对定位基准测试的新数据集，涵盖多种节点配置、多模态传感器数据及测距精度测量，并分析表明定位精度高但测距误差变异性显著。
2023-05-15 cs.RO
Distributed and Consistent Multi-Robot Visual-Inertial-Ranging Odometry on Lie Groups
School of Control and Computer Engineering, North China Electric Power University（控制与计算机工程学院，华北电力大学）；Department of Electrical and Computer Engineering, George Mason University（电气与计算机工程系，乔治·马歇尔大学）
本文提出DC-VIRO框架，通过融合多机器人视觉-惯性测距数据，在李群上实现鲁棒的分布式定位与自校准。
2026-02-22 cs.RO cs.SY eess.SY
Adaptive Anchor Pairs Selection in a TDOA-based System Through Robot Localization Error Minimization
Warsaw University of Technology（华沙理工大学）；Institute of Radioelectronics and Multimedia Technology（无线电电子与多媒体技术研究所）
针对UWB TDOA定位系统，本文提出按区域依据RMSE校准并自适应选择最优锚点对的方法，仿真与实验表明其可提升定位精度，动态人员定位中位轨迹误差为25 cm。
2024-04-07 cs.RO eess.SP
XRLoc: Accurate UWB Localization to Realize XR Deployments
University of California San Diego（加利福尼亚大学圣迭戈分校）；Osaka University（大阪大学）
本文提出XRLoc单锚点UWB定位系统，突破传统多锚点限制，在动态场景实现厘米级精度，并支持100Hz多标签低延迟定位。
2024-05-02 cs.HC cs.NI cs.RO
Relative Pose Estimation for Nonholonomic Robot Formation with UWB-IO Measurements (Extended version)
School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）；Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室）；Zhongguancun Laboratory（中关村实验室）
本文研究利用机载超宽带距离和惯性里程计测量实现多机器人分布式编队控制问题，提出局部帧下的并发学习估计器和协作定位算法，设计分布式编队跟踪控制器，通过实验证明方法有效性。
2026-04-14 cs.RO
Benchmarking ML Approaches to UWB-Based Range-Only Posture Recognition for Human Robot-Interaction
Faculty of Technology, University of Turku（图尔库大学技术学院）；Swiss Federal School of Technology, ETH Zürich（苏黎世联邦理工学院）
本文提出一种基于五个UWB传感器和机器学习算法（KNN、SVM、MLP）的人体姿态估计与机器人实时控制方法，实验证明其能高准确率预测姿态并控制机器人运动。
2024-08-28 cs.RO
Analysis on Multi-robot Relative 6-DOF Pose Estimation Error Based on UWB Range
针对GNSS拒止、无锚点环境下的多机器人相对6-DOF位姿估计问题，本文推导误差解析下界，并通过仿真验证节点距离、高度和标签单纯形外接圆半径的影响。
2023-09-27 cs.RO cs.SY eess.SY
Fast Localization and Tracking in City-Scale UWB Networks
University of Maryland College Park（马里兰大学帕克分校）；Nokia Bell Labs（诺基亚贝尔实验室）；Georgia Institute of Technology（佐治亚理工学院）
针对新兴应用中的网络节点定位需求，提出融合到达角与测距数据的Locate3D系统，通过生成树方法实现大规模UWB网络的快速高精度定位，延迟降低最高75%。
2023-10-03 cs.NI cs.RO cs.SY
Opt-in Camera: Person Identification in Video via UWB Localization and Its Application to Opt-in Systems
Cyber Agent, Inc.（Cyber Agent公司）
本文提出opt-in camera隐私保护摄像头系统，利用UWB标签定位与视觉跟踪匹配，通过约束线性优化和校准技术，在8-23人场景下以10fps实时识别同意被记录的个体。
2025-08-05 cs.RO
Multi-Robot Collaborative Localization and Planning with Inter-Ranging
Stanford（斯坦福大学）
针对月球低纹理环境中基于特征的图像跟踪定位易出错的问题，本文提出利用UWB相互测距与去中心化多机器人协调路径规划算法，通过优化测量视线向量最小化集体定位误差，并在仿真和硬件中验证其有效性。
2024-06-24 cs.RO
AoI-FusionNet: Age-Aware Tightly Coupled Fusion of UWB-IMU under Sparse Ranging Conditions
本文提出AoI-FusionNet，通过直接融合UWB测距与IMU数据实现三维轨迹估计，采用年龄信息衰减模块和自适应注意力机制提升定位精度，通过数据增强策略提升模型鲁棒性。
2026-03-13 cs.RO eess.SP
Ultra-Wideband Positioning System Based on ESP32 and DWM3000 Modules
University of Applied Sciences HTWG Konstanz（康斯坦茨应用技术大学）
本文提出一种基于ESP32和DWM3000模块的超宽带定位系统，利用六个定制板实现双向测距和扩展卡尔曼滤波，达到10厘米精度，适用于室内定位与跟踪。
2024-03-15 cs.RO
ULOC: Learning to Localize in Complex Large-Scale Environments with Ultra-Wideband Ranges
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）；Faculty of Electrical and Electronic Engineering, Ho Chi Minh City University of Technology（胡志明市技术大学电气与电子工程学院）
针对大规模环境下UWB定位精度与可靠性不足的问题，提出基于学习的ULOC框架，结合先验地图生成训练标签，用MAMBA网络学习UWB测距模式，实现大规模场景下的高精度定位并开源代码。
2024-09-17 cs.LG cs.RO
Relative ultra-wideband based localization of multi-robot systems with kinematic extended Kalman filter
Université de Sherbrooke（舍布鲁克大学）
定位在分布式群体机器人领域中起着至关重要的作用。以前的工作已经强调了在多机器人系统中位置跟踪的相对定位的潜力。超宽带（UWB）技术提供了一个很好的估计机器人之间的相对位置，但受到一些限制。本文提出了改进的相对定位功能，在我们以前的工作，这是基于UWB技术。我们的新方法合并UWB遥测和运动学模型到一个扩展的卡尔曼滤波器，以正确地跟踪机器人的相对位置。我们进行了仿真，并验证了所提出的方法在相对距离和角度精度的改进。进行了额外的分析，以观察当机器人共享其控制输入时性能的提高。
2023-03-20 cs.RO eess.SP
LIRO: Tightly Coupled Lidar-Inertia-Ranging Odometry
Nanyang Technological University（南洋理工大学）；ST Engineering-NTU Corporate Lab（新科工程-南洋理工大学企业实验室）
近年来，由于3D激光雷达的成本和重量不断降低，这种类型的传感器在机器人领域的应用越来越受欢迎。尽管取得了许多进展，但估计漂移和跟踪损失仍然是与这些系统相关的普遍问题。然而，在理论上，这些问题可以通过使用对环境中的固定地标的一些观测来解决。这促使我们研究一种紧耦合的超宽带（UWB）距离测量与激光雷达和惯性测量的传感器融合方案。首先，来自IMU、激光雷达和UWB的数据基于它们的时间戳在滑动窗口上与机器人的状态相关联。然后，我们构建了一个成本函数，包括UWB，激光雷达和IMU预集成测量的因素。最后进行优化过程，以估计机器人的位置和方向。通过一些真实世界的实验，我们表明，该方法可以有效地解决漂移问题，而只需要在环境中部署两个或三个锚。
2020-10-25 cs.RO cs.SY eess.SY
Ultra-Wideband Teach and Repeat
McGill University（麦吉尔大学）；Polytechnique Montreal（蒙特利尔综合理工学院）
自动回溯手动示教路径对于许多应用来说是理想的，并且示教和重复（T&R）算法提供了一种适合于远程自主的方法。本文提出了一种基于超宽带（UWB）测距的资源有限的车辆T&R。通过将单个UWB收发器固定在室内环境中相距甚远的未知位置，具有3个UWB收发器的机器人通过将自定义测距协议下的距离测量值与机载IMU和高度测量值融合，在示教过程中构建本地一致的地图。然后，机器人使用来自示教过程的信息自主地重走相同的轨迹。提出的测距协议和T&R算法在仿真中进行了验证，其中它表明，机器人可以成功地折回教轨迹与亚米级的跟踪误差。
2022-02-02 cs.RO cs.SY eess.SY
Relative Localization of Mobile Robots with Multiple Ultra-WideBand Ranging Measurements
Singapore University of Technology and Design（新加坡科技设计大学）；University of Jaffna（贾夫纳大学）；Southwest University of Science and Technology（西南科技大学）
在没有基础设施的情况下，自主机器人之间的相对定位对于在许多应用中实现其导航、路径规划和编队是至关重要的，例如紧急响应，在这些应用中获取环境的先验知识是不可能的。传统的超宽带（UWB）的方法提供了一个很好的估计机器人之间的距离，但获得相对位姿（包括位移和方向）仍然是具有挑战性的。我们提出了一种方法来估计一组机器人之间的相对姿态，每个机器人配备多个UWB测距节点。我们确定两个机器人之间的姿态最小化的残余误差的测距测量从所有UWB节点。为了提高定位精度，我们建议通过基于滑动窗口的优化利用里程限制。最后将优化后的位姿与测距融合在粒子滤波算法中，实现移动机器人群的位姿跟踪。我们已经进行了大量的实验，以验证所提出的方法的有效性。
2021-07-30 cs.AI cs.RO
Indoor Drone Localization and Tracking Based on Acoustic Inertial Measurement
BNRist, Tsinghua University（清华大学BNRist）；Politecnico di Milano（米兰理工大学）；Uppsala University（乌普萨拉大学）
提出声学惯性测量（AIM）技术，利用无人机声学特性结合卡尔曼滤波和IQR规则，在无GPS和非视距环境下实现高精度室内定位与跟踪，误差低于UWB系统且支持任意空间布局。
2025-04-01 cs.RO
3-D Motion Capture of an Unmodified Drone with Single-chip Millimeter Wave Radar
University of Oxford（牛津大学）；University of Edinburgh（爱丁堡大学）
空中机器人在3D中的精确运动捕捉是在仓库或工厂等室内环境中实现自主操作的关键因素，也是推动这些领域研究的关键因素。目前最常用的解决方案是光学运动捕捉（例如，VICON）和超宽带（UWB），但是由于它们需要在跟踪区域周围间隔开的多个相机/传感器，因此部署这些解决方案成本高且麻烦。他们还要求无人机进行修改，以携带主动或被动标记。在这项工作中，我们提出了一种廉价的系统，可以快速安装，基于单芯片毫米波（mmWave）雷达。重要的是，无人机不需要修改或配备任何标记，因为我们利用来自旋转螺旋桨的多普勒信号。此外，可以从一个点进行3D跟踪，大大简化了部署。我们开发了一种新的深度神经网络，并在10 Hz下演示了分米级3-D跟踪，实现了比经典基线更好的性能。我们希望这种低成本的系统能够促进廉价的无人机研究和提高自主性。
2020-11-13 cs.RO
