凡是有价值的资产,企业都会密切监控它们的位置。事实上,定位系统 (LFS) 可用来提高零售、物流、医疗保健、智能建筑等领域的安全性、生产力和效率。LFS 通常基于无线“标签”,这些标签几乎可以应用于任何物品、人和诸多应用。
举几个用例,比方说跟踪物流过程中的包裹或制造环境中的关键材料,监控实验室或医院高价值仪器的位置,以及确定是否有人进入了限制区域(例如,工厂的某些区域可能存在危险)。LFS 可以通过跟踪并分析客户在店内的流动路线或使用自助结账来帮助零售商完善布局。
LFS 无线技术
LFS 离不开无线技术,但市面上的几种技术各有优缺点。在选择技术时,设计人员不得不在覆盖范围和功耗之间进行权衡,功耗尤其重要,因为无线标签通常由电池供电。
RFID 可用于定位,但其主要用途是在特定的检查点验证资产的身份信息(例如衣服的颜色和样式)。如果对安全性要求很高,那么超宽带(UWB)通常是首选。不过,大量的计算处理也推高了成本和功耗。
由于 5G 网络覆盖全球,因此它支持远距离跟踪资产。但它也确实功耗巨大,所以在这方面的应用相对有限。
Bluetooth® 是一项公认的技术,全球有数十亿台设备部署了这项技术。随着时间的推移,该技术不断改进以降低功耗,并通过大批量生产来控制成本。事实上,蓝牙低功耗 (Bluetooth LE) 现在是最受欢迎的资产跟踪技术之一。
基于蓝牙的 LFS - 概述和设计标准
基于蓝牙的 LFS 系统通常用于仓库、工厂、医疗机构或零售店等建筑内。无论何种系统,通常都有三个要素:

图 1:蓝牙 LFS 具有三大要素
设计人员在设计 LFS 时必须兼顾分辨率、延迟和电池续航时间,反复权衡利弊以满足系统对精度、效率和性能的要求。
影响分辨率的最主要因素是传感器/定位器的数量;传感器/定位器越多,位置测量就越精确。
延迟是指找到标签/资产的速度,这与信号的传输频率有关。提高传输频率会减少延迟,但也会增加电量消耗。
电池续航时间受到每次传输的输出功率和持续时间以及标签能否利用低功耗“睡眠”模式的影响。
如果某个资产在快速移动,则需要降低延迟(增加传输频率)才能获得准确的定位。但这需要以电池续航时间为代价。更复杂的系统可以将加速度计集成到标签中,以便仅在资产移动时才增加传输频率。这提供了一个两全其美的方法,兼顾了定位的精确性和电池的合理使用。
设计灵活性
由于每个应用都是独一无二的,加上科技发展如此之快,因此 LFS 设计必须足够灵活,以便在参数之间进行权衡,并根据需要进行调整。为支持这种灵活性需求,安森美 (onsemi) 与行业合作伙伴一起开发了一个设计平台。
此合作方案将安森美屡获殊荣的 RSL15 与 CoreHW 天线模块和 Unikie Localization 集成到一起。
这款 RSL15 蓝牙 5.2 无线 MCU 专为互联智能设备设计,基于超低功耗 ARM® Cortex®-M33 处理器。根据 EEMBC 基准测试,RSL15 实现了超低功耗的蓝牙性能。再加上它小巧的尺寸,使其非常适合定位标签等边缘应用。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。