本文介绍使用 8 个麦克风的时间延迟到达估计法在三维空间中实现机器人对不同类型声源的实时定位，能够在 3 米范围内，3 度的精度内快速响应，以补充视觉对环境中感兴趣人或事件的本地化。

Feb, 2016

本文提出了一种使用神经网络在人机交互中同时检测和定位多个声源的方法，并采用基于概率的编码以实现对任意数量声源的检测；此外，文章探讨了基于子带交叉相关信息的特征及三种不同基于不同动机的网络架构，实验表明该方法优于传统的空间谱法。

Nov, 2017

本文提出了一种基于 DP-RTF 和 Bayesian 框架的在线本地化和追踪多个移动说话人的方法，并对其进行了两项真实环境中的数据集评估。

Sep, 2018

挑战性且相关的问题是在信号受限环境中实现非直视定位。本研究利用物理基础声波传播模拟和机器学习方法，在虚拟环境中定位声源到具体位置，以克服数据不足的问题，特别是在事后定位中。通过音频变换器谱图方法，我们达到了 0.786 ± 0.0136 的 F1 得分。

Apr, 2024

本文提出了基于深度学习的多声源定位算法，使用多个麦克风阵列找到封闭环境中多个声源的二维笛卡尔坐标，通过编码 - 解码结构和两个改进措施实现任务，并提出了两种新的定位表示方法，学习了新指标以实现分辨率基础上的多源关联和对比不同方法的评估。作者对合成和真实数据进行了测试，结果表明本方法改进了这一问题的基线方法。

Dec, 2020

利用粒子滤波 (SLAM) 方法，结合编码数据和光纤陀螺数据实现车辆运动的精确估计，激光雷达技术提供环境感知，建立了一个粒子滤波 (SLAM) 框架，以有效地解决机器人系统中的同时定位和地图构建的复杂性。

Feb, 2024

通过分析人类的杂音，研究了如何使用仅仅声音信息来探测机器人附近的人类移动行为，实现了机器人通过仅有被动声音感测技术跟踪悄悄移动的人类。

Oct, 2023

我们提出了一种同时定位视觉场景中多个声源的方法，使用 Jabri 等人的对比随机漫步所启发的模型，并结合了视听相似性度量，能够较好地解决声音混合的分离与声音和视觉信号的联合问题，实验结果表明该模型在定位多个声源方面优于其他自监督方法。

Nov, 2022

本文介绍了一种使用增强学习来控制摄像头和麦克风位置提高音频分离质量的方法，解决了活跃的音视频源分离问题，并针对增强现实和移动机器人等场景进行了验证。

May, 2021

本文研究使用无线电、视觉和音频传感器进行室内定位的方法。通过对最先进的算法和真实数据集的评估，我们更具体地评估了一种基于无线电的机器学习算法与大规模 MIMO 技术、基于视觉的 ORB-SLAM3 算法与 RGB-D 相机以及基于音频的 SFS2 算法与麦克风阵列进行室内定位。讨论了定位精度、可靠性、校准要求和潜在系统复杂性等方面，以分析不同传感器在室内定位任务中使用的优势和局限性。结果可作为鲁棒高精度多传感器定位系统进一步发展的指南和基础，例如通过传感器融合、上下文和环境感知适应。

Sep, 2023