LoRaCompass: Robustes RL für effiziente Lokalisierung von LoRa‑Tags

Das neue Modell LoRaCompass nutzt Reinforcement Learning, um mobile Sensoren in unbekannten Umgebungen gezielt nach LoRa‑Tags zu führen. Durch die Analyse der Signalstärke (RSSI) lernt das System eine robuste räumliche Repräsentation, die es dem Sensor ermöglicht, konsequent näher an das gesuchte Tag zu gelangen.

Im Kern kombiniert LoRaCompass einen räumlich bewussten Feature‑Extractor mit einer Policy‑Distillation‑Loss‑Funktion, um die Wahrscheinlichkeit zu maximieren, dass jede Bewegung dem Ziel näherkommt. Zusätzlich wird eine explorative Strategie, inspiriert vom Upper Confidence Bound (UCB), eingesetzt, die dem Sensor hilft, bei steigender Zuverlässigkeit gezielt voranzukommen.

In umfangreichen Tests – sowohl an Boden als auch mit Drohnen – wurde LoRaCompass in bislang unbekannten Gebieten mit einer Fläche von über 80 km² eingesetzt. Das Ergebnis: mehr als 90 % der Tags wurden innerhalb von 100 m gefunden, was einer 40 %igen Verbesserung gegenüber bestehenden Methoden entspricht. Gleichzeitig bleibt die Suchpfadlänge kompakt, was die Effizienz der Suche deutlich erhöht.